python - 使 Int64 成为默认的整数 dtype，而不是 pandas 中的标准 int64

Question

我想要我的所有数据帧，无论它们是否由任何一个构造函数重载构建，是否源自 .read_csv()、.read_xlsx( )、.read_sql() 或任何其他方法，以使用新的可空值 Int64 datatype作为所有整数的默认 dtype，而不是 int64。

如果没有“好”的方法，我愿意不顾一切地去做这件事，包括子类化 DataFrame 或 Series 类，以及重新实现任意数量的方法和构造函数属性等。

我的问题是，可以做到吗？如果可以，我会怎么做？

Answer 1

你可以使用这样的函数:

def nan_ints(df, convert_strings=False, subset=None):
    types = ["int64", "float64"]
    if subset is None:
        subset = list(df)
    if convert_strings:
        types.append("object")
    for col in subset:
        if df[col].dtype in types:
            df[col] = (
                df[col].astype(float, errors="ignore").astype("Int64", errors="ignore")
            )
    return df

它遍历每一列，如果它是 int，则将其转换为 Int64。如果它是 float ，则只有当列中的所有值都可以转换为 NaN 以外的整数时，它才会转换为 Int64。我已经为您提供了使用 convert_strings 参数将字符串转换为 Int64 的选项。

df1 = pd.DataFrame({'a':[1.1,2,3,1],
                  'b':[1,2,3,np.nan],
                  'c':['1','2','3',np.nan],
                  'd':[3,2,1,np.nan]})


nan_ints(df1,convert_strings=True,subset=['b','c'])
df1.info()

将返回以下内容:

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 4 entries, 0 to 3
Data columns (total 4 columns):
a    4 non-null float64
b    3 non-null Int64
c    3 non-null Int64
d    3 non-null float64
dtypes: Int64(2), float64(2)
memory usage: 216.0 bytes

如果你打算在每个 DataFrame 上使用它，你可以将函数添加到模块中，并在每次你想使用 pandas 时导入它。从 my_module 导入 nan_ints然后只需将其与以下内容一起使用:nan_ints(pd.read_csv(path))

注意:可空整数数据类型是 0.24.0 版中的新增内容。这里是 documentation .