用數字值和缺少的數據作為字符串讀取pandas colum

Question

我的數據框中有一個Id列，如下所示：

a = pandas.DataFrame（[12673，44，847]）

該數據缺少一些值。 如果我Keep_default_NA = True，則缺少的值將被NaN填充，並且數據將被讀取為float，因此值將更改為

12673.0 , 44.0, 847.0

這是不希望的（我想刪除NA值並轉換為str / obj，因為id可以是任何長度）。 如果我keep_default_NA = False，那么其他列（例如布爾值）都將成為對象，並且我必須比較字符串值以找出true / false值。

Answer 1

如果要使用NaN值，則必須有浮點數。 https://stackoverflow.com/a/38003951/3841261

使用“ keep_default_NA = True”，然后刪除NaN之后，將列轉換為整數。

Answer 2

如果沒有更好的數據樣本，我無法確定，但這也許會有所幫助：

首先，您讀取保留dtype的數據，然后基本上再次讀取它以獲得正確的id 。 如果您的布爾列也缺少值（空字符串），則需要使用df.astype("bool")這些行。

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())

如果您不想讀兩次，可以使用keep_default_na=False讀入，然后過濾出包含空字符串的行，並將每一列轉換為所需的df = pd.DataFrame(df1.to_dict())或df = pd.DataFrame(df1.to_dict()) 。