Pandas含NaN数值列类型识别问题：如何自动检测列数据类型？

方法1：预处理数据，替换字符串缺失值为np.nan #

R中的NA是内置缺失值标记，而你代码里的"NA"是字符串，Pandas不会自动识别。先将其替换为Pandas认可的np.nan，就能让列被正确识别为数值型：

import pandas as pd
import numpy as np

data = {
"calories": [np.nan, 380, 390],
"duration": [50, 40, 45]
}

df = pd.DataFrame(data)
print(df.dtypes)
# 输出结果：
# calories    float64
# duration      int64
# dtype: object

方法2：对已生成的DataFrame做列类型转换 #

如果已经创建了包含字符串"NA"的DataFrame，用pd.to_numeric()强制转换列类型，同时将无效值转为缺失值：

import pandas as pd

data = {
"calories": ["NA", 380, 390],
"duration": [50, 40, 45]
}

df = pd.DataFrame(data)
# 转换calories列，errors='coerce'将无法转为数值的内容转为NaN
df['calories'] = pd.to_numeric(df['calories'], errors='coerce')
print(df.dtypes)
# 输出结果：
# calories    float64
# duration      int64
# dtype: object

方法3：用convert_dtypes()获取更精准的类型 #

Pandas 1.0及以上版本提供的convert_dtypes()，可以自动推断并转换为更合适的类型，比如支持缺失值的整数类型Int64（区别于默认的float64）：

import pandas as pd
import numpy as np

data = {
"calories": [np.nan, 380, 390],
"duration": [50, 40, 45]
}

df = pd.DataFrame(data).convert_dtypes()
print(df.dtypes)
# 输出结果：
# calories    Int64
# duration     int64
# dtype: object

核心要点 #

Pandas默认不会把字符串"NA"当成缺失值，这是和R的核心差异。只要先将这类字符串形式的缺失值转为np.nan，Pandas就能自动识别出列的正确数值类型。

内容的提问来源于stack exchange，提问作者Sosa