python - 如何将具有 NULL 值的 panda 列转换为 int？

Question

所以我正在处理我的 CSV 文件，它在每个句子后都有一个空白单元格“”，如下图所示。

当我打印列类型时使用:

print(data.dtypes)

我知道它们都是对象，但我希望列 word_id、head_pred_id、sent_id 和 run_id 为 int64。

当我使用以下方法转换列数据类型时:

data.word_id = data.word_id.astype(int)

我得到一个错误:invalid literal for int() with base 10:' '

所以我认为空白单元格造成了问题，所以我在 CSV 文件本身中将它们替换为 NULL。

现在 4 列类型自动设置为“Float64”，但是当我对它们执行某些操作时，我得到了同样的错误: ValueError:以 10 为底的 int() 的无效文字:''

我仔细检查了是否有我遗漏的单元格，但我没有遗漏任何空白单元格在我的 CSV 文件中都设置为 NULL。

下面是出现错误的代码片段:

def encode_inputs(sents):
        """
        Given a dataframe which is already split to sentences,
        encode inputs for rnn classification.
        Should return a dictionary of sequences of sample of length maxlen.
        """
        word_inputs = []
        pred_inputs = []
        pos_inputs = []


        assert(all([len(set(sent.run_id.values)) == 1
                    for sent in sents]))


        run_id_to_pred = dict([(int(sent.run_id.values[0]),
                                get_head_pred_word(sent))
                               for sent in sents]) ***ERROR HERE****

这是发送到上述函数的变量“sents”

def get_sents_from_df( df):

      #Split a data frame by rows accroding to the sentences
      return [df[df.run_id == run_id]
            for run_id
            in sorted(set(df.run_id.values))]

Answer 1

首先将非数字值(如空字符串)转换为 NaN，然后如果可以使用 pandas 0.24+，则将列转换为 integers :

data.word_id = pd.to_numeric(data.word_id, errors='coerce').astype('Int64')