Pandas误将浮点数值识别为NaN，类型转换报错求助

我来帮你拆解这个问题：你遇到的ValueError: Cannot convert non-finite values (NA or inf) to integer，说明你的列里确实存在NaN或者无穷大(inf/-inf)，但你排查时没找到，大概率是排查方式的问题，或者查看行时没盯对目标列。

为什么isnull()返回True但你看不到NaN？ #

首先，isnull()只会识别NaN和None，但错误提示里还提到了inf——无穷大值不会被isnull()检测到，但同样会导致astype(int)失败。另外，你用zbill.iloc[missing_values_list]查看行时，可能不小心看了其他列的数值，而非ACTIVITY START MONTH列本身，或者Pandas的显示设置让NaN没明显显示出来。

正确的排查步骤 #

先精准定位所有非有限值（包括NaN和inf）：

import numpy as np

# 统计NaN的数量
print(f"NaN数量: {zbill['ACTIVITY START MONTH'].isna().sum()}")
# 统计inf/-inf的数量
print(f"无穷大值数量: {zbill['ACTIVITY START MONTH'].isin([np.inf, -np.inf]).sum()}")

# 直接筛选出所有非有限值的行，只显示目标列避免看错
non_finite_rows = zbill[~zbill['ACTIVITY START MONTH'].apply(np.isfinite)]
print(non_finite_rows[['ACTIVITY START MONTH']])

这样你就能明确看到到底是NaN还是inf在搞鬼。

解决方案 #

根据你找到的问题类型，选择对应的处理方式：

1. 如果是NaN

• 填充后转整数（比如用列的中位数/众数，或者固定值）：

# 用中位数填充NaN
median_val = zbill['ACTIVITY START MONTH'].median()
zbill['ACTIVITY START MONTH'] = zbill['ACTIVITY START MONTH'].fillna(median_val).astype(int)

• 或者直接删除含NaN的行：

zbill = zbill.dropna(subset=['ACTIVITY START MONTH'])
zbill['ACTIVITY START MONTH'] = zbill['ACTIVITY START MONTH'].astype(int)

2. 如果是inf/-inf

替换成合理的数值（比如列的最大有限值）：

# 先把inf转成NaN，再取最大有限值
max_valid = zbill['ACTIVITY START MONTH'].replace([np.inf, -np.inf], np.nan).max()
zbill['ACTIVITY START MONTH'] = zbill['ACTIVITY START MONTH'].replace([np.inf, -np.inf], max_valid).astype(int)

3. 保留缺失值的整数类型

如果你不想删除或填充，Pandas支持Nullable Integer类型（Int64，注意大写I），可以容纳缺失值：

zbill['ACTIVITY START MONTH'] = zbill['ACTIVITY START MONTH'].astype('Int64')

内容的提问来源于stack exchange，提问作者coelidonum