如何解决含None的数组导入Pandas列后转为浮点数的问题？

pandas默认整数类型不支持缺失值，当数组包含None（会被转为NaN）时，列会自动转为浮点类型。要实现你需要的整数+NaN显示效果，可采用以下方案：

方案1：创建DataFrame时指定可空整数类型 #

直接在创建阶段指定列类型为pd.Int64Dtype()，该类型同时支持整数和缺失值：

import pandas as pd

the_array = [None, None, None, 101, 555, 756, 924, 485]
df = pd.DataFrame({'request': the_array}, dtype=pd.Int64Dtype())
# 若需要将<NA>替换为NaN显示
df['request'] = df['request'].astype(object).replace(pd.NA, float('nan'))
print(df)

输出：

request
0      NaN
1      NaN
2      NaN
3      101
4      555
5      756
6      924
7      485

方案2：对已有DataFrame转换类型 #

如果已经创建了DataFrame，可直接转换列类型：

import pandas as pd

the_array = [None, None, None, 101, 555, 756, 924, 485]
df = pd.DataFrame(columns=['request'])
df['request'] = the_array

# 转换为可空整数类型
df['request'] = df['request'].astype(pd.Int64Dtype())
# 替换<NA>为NaN
df['request'] = df['request'].astype(object).replace(pd.NA, float('nan'))
print(df)

输出与需求完全一致。

关键点说明 #

• 普通int类型无法兼容缺失值，强制转换会报错，必须使用pandas提供的可空整数类型（pd.Int64Dtype()）。
• 该特性要求pandas版本≥0.24，若版本过低需先升级。

内容的提问来源于stack exchange，提问作者GISGUY