如何创建pandas.dtype常量，用于合成数据类型数组处理空列？

1. 直接通过pd.dtype()构造指定类型 #

传入类型字符串即可生成对应的pandas.dtype常量，适用于常规数据类型：

import pandas as pd

# 常规整数类型
int64_dtype = pd.dtype('int64')
# 常规浮点类型
float64_dtype = pd.dtype('float64')
# pandas专用字符串类型（推荐替代object类型）
string_dtype = pd.dtype('string')
# 类别类型
category_dtype = pd.dtype('category')

2. 实例化pandas内置的可空类型类 #

如果需要支持空值（NaN）的数值类型，直接使用pandas提供的大写开头的可空类型类实例化：

# 可空整数类型（允许列中存在NaN）
nullable_int_dtype = pd.Int64Dtype()
# 可空浮点类型
nullable_float_dtype = pd.Float64Dtype()
# 可空布尔类型
nullable_bool_dtype = pd.BooleanDtype()

3. 组合成数据类型数组用于场景化处理 #

将上述常量整理成列表，就能根据不同场景（数值列、文本列等）批量处理空值/空列：

# 数值类型集合（含常规与可空类型）
numeric_dtypes = [
    pd.dtype('int64'),
    pd.dtype('float64'),
    pd.Int64Dtype(),
    pd.Float64Dtype()
]

# 文本与类别类型集合
text_category_dtypes = [
    pd.dtype('string'),
    pd.dtype('category')
]

# 示例：根据类型批量处理空值
def handle_nulls(df):
    for col in df.columns:
        if df[col].dtype in numeric_dtypes:
            df[col] = df[col].fillna(0)  # 数值列填充0
        elif df[col].dtype in text_category_dtypes:
            df[col] = df[col].fillna('')  # 文本列填充空字符串
    return df

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