无法将Pandas DataFrame的job列转为int64类型的技术问题

你遇到的报错和job列变成float类型的核心问题，是自定义的map_job_values函数对不在映射字典里的元素没返回值，导致生成了NaN。

Pandas里普通的整数类型存不了NaN，所以会自动把列转成float；当你强行转int64时，因为存在NaN就触发了IntCastingNaNError。哪怕你删了空值也没用，因为这些NaN是未匹配的职业值生成的，不是显式的空值（比如None），普通的空值清理方法扫不到它们。

方案1：修复映射函数，保证所有输入都有输出 #

把map_job_values里多余的if判断删掉，直接用get方法返回默认值，这样不管输入啥都有对应结果，不会生成NaN：

class PreprocessJobColumn(BaseEstimator, TransformerMixin):
    def __init__(self):
        self.dictionary_map = {
            "admin": 1,
            "blue-collar": 2,
            "entrepreneur": 3,
            "housemaid": 4,
            "management": 5,
            "retired": 6,
            "self-employed": 7,
            "services": 8,
            "student": 9,
            "technician": 10,
            "unemployed": 11
        }

    def map_job_values(self, element_to_process):
        # 未匹配到的直接返回-1，不会产生NaN
        return self.dictionary_map.get(element_to_process, -1)

    def fit_transform(self, X):
        features_dataset_copy = X.copy()
        features_dataset_copy["job"] = features_dataset_copy["job"].apply(self.map_job_values)
        # 现在没有NaN，放心转int64
        features_dataset_copy["job"] = features_dataset_copy["job"].astype("int64")
        return features_dataset_copy

方案2：用Pandas的replace替代apply（更高效） #

apply处理大数据集效率低，直接用replace更简洁，还能指定未匹配值的填充：

class PreprocessJobColumn(BaseEstimator, TransformerMixin):
    def __init__(self):
        self.dictionary_map = {
            "admin": 1,
            "blue-collar": 2,
            "entrepreneur": 3,
            "housemaid": 4,
            "management": 5,
            "retired": 6,
            "self-employed": 7,
            "services": 8,
            "student": 9,
            "technician": 10,
            "unemployed": 11
        }

    def fit_transform(self, X):
        features_dataset_copy = X.copy()
        # replace自动映射，未匹配的用-1填充，避免NaN
        features_dataset_copy["job"] = features_dataset_copy["job"].replace(self.dictionary_map, fill_value=-1)
        features_dataset_copy["job"] = features_dataset_copy["job"].astype("int64")
        return features_dataset_copy

额外排查：找出未知职业值 #

如果不想用-1当默认值，可以先找出所有不在字典里的职业，再决定是补充映射还是删行：

# 找出job列里不在映射字典的所有值
preprocess_job = PreprocessJobColumn()
unknown_jobs = df_copy[~df_copy["job"].isin(preprocess_job.dictionary_map.keys())]["job"].unique()
print("未知职业：", unknown_jobs)

# 要是想删掉这些行
df_copy = df_copy[df_copy["job"].isin(preprocess_job.dictionary_map.keys())]

• Pandas 1.0+支持Int64（大写I）类型，能存NaN，如果需要保留缺失值又想用整数类型，可以转成astype("Int64")，但有些机器学习模型对可空整数支持有限，优先处理NaN更稳妥。
• 分类特征编码也可以用sklearn的OrdinalEncoder，不用手动写映射字典，自动处理所有类别，更适合标准化的机器学习流程。

内容的提问来源于stack exchange，提问作者coffee_programmer