Pandas提取datetime列年份返回float类型问题求助

嘿，作为Pandas新手碰到这个问题太正常啦！我当初刚用的时候也踩过这个坑😉。出现float类型的核心原因是你的Joined_date列里大概率存在缺失值（NaN）——因为标准的int类型没法存储缺失值，Pandas就自动把年份转换成了float类型来兼容。

下面给你几个实用的解决办法，按需选择：

方法1：直接转换为整数（无缺失值时用） #

如果确认Joined_date列没有缺失值，直接用astype(int)转成整数类型就行：

fifa['Joined_year'] = fifa['Joined_date'].dt.year.astype(int)

执行后你就能得到全是1970的整数列啦。

方法2：支持缺失值的整数类型（有缺失值时用） #

如果列里存在缺失值，用Pandas的Nullable Integer类型（Int64，注意是大写的I），它既能存储整数，又能兼容NaN：

fifa['Joined_year'] = fifa['Joined_date'].dt.year.astype('Int64')

这样缺失值会显示为pd.NA，而不会破坏整数类型的结构。

方法3：填充缺失值后转类型 #

如果想把缺失值替换成某个具体值（比如0或者某个默认年份），可以先用fillna填充，再转整数：

# 比如把缺失值填充为0，再转int
fifa['Joined_year'] = fifa['Joined_date'].dt.year.fillna(0).astype(int)

你可以先检查下Joined_date列有没有缺失值，验证一下我的说法：

print(fifa['Joined_date'].isna().sum())

如果输出大于0，就说明确实有缺失值导致了float类型的出现~

内容的提问来源于stack exchange，提问作者VVS