python - pd.read_csv 默认情况下将整数视为 float

Question

我有一个 csv 看起来像(标题 = 第一行):

name,a,a1,b,b1
arnold,300311,arnld01,300311,arnld01
sam,300713,sam01,300713,sam01

当我运行时:

df = pd.read_csv('file.csv')

a 和 b 列的末尾附加了一个 .0，如下所示:

df.head()

name,a,a1,b,b1
arnold,300311.0,arnld01,300311.0,arnld01
sam,300713.0,sam01,300713.0,sam01

列 a 和 b 是整数或空白，那么为什么 pd.read_csv() 将它们视为 float ，我如何确保它们读取的是整数吗？

Answer 1

作为root评论中提到，这是 Pandas(和 Numpy)的限制。 NaN 是一个 float ，您在 CSV 中的空值为 NaN。

这在 gotchas 中列出 Pandas 也是如此。

您可以通过几种方式解决这个问题。

对于下面的示例，我使用以下内容导入数据 - 请注意，我在 a 和 b 列中添加了一个空值行

import pandas as pd
from StringIO import StringIO

data = """name,a,a1,b,b1
arnold,300311,arnld01,300311,arnld01
sam,300713,sam01,300713,sam01
test,,test01,,test01"""

df = pd.read_csv(StringIO(data), sep=",")

删除 NaN 行

您的第一个选择是删除包含此 NaN 值的行。这样做的缺点是您会丢失整行。将数据放入数据框后，运行此命令:

df.dropna(inplace=True)
df.a = df.a.astype(int)
df.b = df.b.astype(int)

这会从数据框中删除所有 NaN 行，然后将 a 列和 b 列转换为 int

>>> df.dtypes
name    object
a        int32
a1      object
b        int32
b1      object
dtype: object

>>> df
     name       a       a1       b       b1
0  arnold  300311  arnld01  300311  arnld01
1     sam  300713    sam01  300713    sam01

用占位符数据填充NaN

此选项会将所有 NaN 值替换为丢弃值。该值是您需要确定的。对于这个测试，我把它设为 -999999。这将允许使用保留其余数据，将其转换为 int，并明确哪些数据无效。如果您稍后根据列进行计算，您将能够过滤掉这些行。

df.fillna(-999999, inplace=True)
df.a = df.a.astype(int)
df.b = df.b.astype(int)

这会产生一个像这样的数据框:

>>> df.dtypes
name    object
a        int32
a1      object
b        int32
b1      object
dtype: object

>>> df
     name       a       a1       b       b1
0  arnold  300311  arnld01  300311  arnld01
1     sam  300713    sam01  300713    sam01
2    test -999999   test01 -999999   test01

保留浮点值

最后，另一种选择是保留浮点值(和 NaN)而不用担心非整数数据类型。