Pandas 1.0+版本中带缺失值的浮点Series如何转换为整数类型？

平时咱们把Pandas Series转成整数类型超简单，一行代码就搞定：

s = pd.Series([1.1, 2.2]).astype(int)

直接把浮点数截断成整数，完全没毛病。

但要是你的Series里带了pd.NA这种缺失值，再用astype(int)就会踩坑了：

s = pd.Series([1.1, 2.2, pd.NA]).astype(int)

这时候会直接抛出TypeError: int() argument must be a string, a bytes-like object or a number, not 'NAType'——原因很简单，原生的int类型根本不认识Pandas的NAType缺失值。

不过Pandas早就想到这个问题了，它提供了可空整数类型来解决这个场景，你只需要把转换目标换成pd.Int64Dtype()（注意这里是首字母大写的Int64，和原生int区分开）就行：

s = pd.Series([1, 2, pd.NA]).astype(pd.Int64Dtype())

这样就能在整数类型的Series里正常存缺失值，再也不会报错啦。

顺带提一句，就算是带缺失值的浮点数Series，也能用这个方法转成可空整数类型：

s = pd.Series([1.1, 2.2, pd.NA]).astype(pd.Int64Dtype())

它会自动把浮点数截断为整数，同时保留pd.NA缺失值，完美适配需求。

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