用数字值和缺少的数据作为字符串读取pandas colum

Question

我的数据框中有一个Id列，如下所示：

a = pandas.DataFrame（[12673，44，847]）

该数据缺少一些值。 如果我Keep_default_NA = True，则缺少的值将被NaN填充，并且数据将被读取为float，因此值将更改为

12673.0 , 44.0, 847.0

这是不希望的（我想删除NA值并转换为str / obj，因为id可以是任何长度）。 如果我keep_default_NA = False，那么其他列（例如布尔值）都将成为对象，并且我必须比较字符串值以找出true / false值。

Answer 1

如果要使用NaN值，则必须有浮点数。 https://stackoverflow.com/a/38003951/3841261

使用“ keep_default_NA = True”，然后删除NaN之后，将列转换为整数。

Answer 2

如果没有更好的数据样本，我无法确定，但这也许会有所帮助：

首先，您读取保留dtype的数据，然后基本上再次读取它以获得正确的id 。 如果您的布尔列也缺少值（空字符串），则需要使用df.astype("bool")这些行。

df1 = pd.read_csv("test.csv", keep_default_na=True).dropna()
df2 = pd.read_csv("test.csv", keep_default_na=False)
df1["id"] = df2.loc[df1.index]["id"]
df = pd.DataFrame(df1.to_dict())

如果您不想读两次，可以使用keep_default_na=False读入，然后过滤出包含空字符串的行，并将每一列转换为所需的df = pd.DataFrame(df1.to_dict())或df = pd.DataFrame(df1.to_dict()) 。