Python fillna填充CSV空单元格时，如何避免原有整数转为浮点型？

• 填充后转换数据类型
  先填充数值0（不是字符串"0"），再将目标列转为整数类型：

import pandas as pd

df = pd.read_csv("your_file.csv")
# 填充所有空值为0
df.fillna(0, inplace=True)
# 单列转换为整数
df["target_column"] = df["target_column"].astype(int)
# 全表转换为整数（确保所有列都是整数型数据）
df = df.astype(int)

如果数据中存在非整数的数值，转int会报错，这时可以用astype('Int64')（大写I），这是pandas支持的可空整数类型，兼容空值场景（不过填充后已经没有空值了，两种方式都可行）。

• 读取CSV时指定数据类型
  读取文件阶段就指定列的整数类型，再填充0，避免类型自动转为浮点数：

# 指定单个列的类型
df = pd.read_csv("your_file.csv", dtype={"target_column": int})
df.fillna(0, inplace=True)

# 全表用可空整数类型读取
df = pd.read_csv("your_file.csv", dtype='Int64')
df.fillna(0, inplace=True)

• 用replace替换空值
  也可以通过replace替换空值为0后转类型，效果和fillna一致：

df.replace(pd.NA, 0, inplace=True)
df["target_column"] = df["target_column"].astype(int)

内容的提问来源于stack exchange，提问作者barista