Pandas空间数据框加载失败：无法将非有限值转换为整数

可能原因及对应解决办法： #

• 库版本更新导致逻辑变更
  近期ArcGIS API for Python（或依赖的pandas库）的版本更新，可能调整了空间DataFrame的类型推断规则——之前能兼容空值的整型字段，现在会因为空值（以浮点数NaN形式存在）触发类型转换错误。
  解决：回退到之前正常运行的版本，执行命令：

  pip install arcgis==[你2022年8月使用的版本号]
  

• 显式指定字段数据类型
  放弃自动类型推断，手动指定存在空值的整型字段为浮点型，避免转换冲突：
  处理在线图层：

  # 替换成你实际有问题的字段名
  dtype_map = {'target_integer_field': float}
  tagol_df = pd.DataFrame.spatial.from_layer(fLayer, dtype=dtype_map)
  

  处理本地要素类：

  dtype_map = {'target_integer_field': float}
  gdb_df = pd.DataFrame.spatial.from_featureclass(lyrPath, dtype=dtype_map)
  

• 数据源字段定义被修改
  检查托管图层或本地GDB的字段类型——可能有人修改了字段定义（比如从浮点型改成整型），但数据里仍遗留空值，导致转换失败。可以通过ArcGIS Pro或ArcCatalog查看字段属性，确认是否和之前一致。

• 预处理空值（谨慎使用）
  如果业务允许，先将空值替换为整型可接受的默认值（比如0）再转换，注意这种方法会丢失空值信息：

  # 以在线图层为例，替换指定字段的空值
  null_features = fLayer.query(where='target_integer_field IS NULL').features
  for feat in null_features:
      feat.attributes['target_integer_field'] = 0
  fLayer.edit_features(updates=null_features)
  # 再创建DataFrame
  tagol_df = pd.DataFrame.spatial.from_layer(fLayer)
  

内容的提问来源于stack exchange，提问作者Sarah Strack