含NaN的Pandas数据赋值异常：为何5.0未转为整数5？

核心原因 #

1. 缺少依赖导入：你的代码未导入math模块，运行时会触发NameError，这是基础错误。
2. Pandas dtype 限制：Pandas常规整数类型（int64）无法兼容NaN，因为NaN属于浮点类型。当列中存在NaN时，整列会被强制转为float64类型——哪怕你把5.0转成整数5，Pandas也会自动将其转回5.0，以保证列内类型统一。

解决方案 #

要同时保留整数和NaN，需使用Pandas的可空整数类型Int64（首字母大写），它专门设计用来兼容整数与缺失值。

修改后的完整代码

import pandas as pd
import numpy as np
import math  # 补充导入math模块

df = pd.DataFrame({"A":[5.0,np.nan], "B":[2.0,3.0]})

def casting(x):
    if math.isnan(x):
        return pd.NA  # 使用pd.NA适配可空整数类型
    else:
        return int(x)

# 转换后指定Int64 dtype
df['A'] = df['A'].map(casting).astype('Int64')
print(df)

简化写法（无需自定义函数）

用np.where直接实现，代码更简洁：

import pandas as pd
import numpy as np

df = pd.DataFrame({"A":[5.0,np.nan], "B":[2.0,3.0]})

df['A'] = np.where(df['A'].notna(), df['A'].astype(int), df['A']).astype('Int64')
print(df)

最终输出

A    B
0    5  2.0
1  NaN  3.0

此时列A的 dtype 为Int64，既能存储整数5，也能正常保留缺失值NaN。

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