处理含NaN浮点ID列转整数时出现异常值的技术求助

问题根源 #

你的ID数值（例如56008265990）是11位整数，远超过int32类型的最大值（2147483647）。强制转换为int32时触发整数溢出，所有值被自动替换为int32的最小值-2147483648。

可行解决方案 #

1. 转换为64位整数类型

直接使用支持更大数值范围的int64类型，既能保留整数格式，又不会溢出：

import pandas as pd

# 填充NaN后转int64
df['ID'] = df['ID'].fillna(0).astype('int64')

转换后的数据类型会显示为int64，数值也会正常显示为你需要的整数形式。

2. 转换为字符串类型（推荐，若无需数值运算）

如果ID仅用于标识、无需做数学运算，转成字符串是更稳妥的选择，还能避免数值类型的潜在问题：

# 处理NaN为空白字符串，其他值转为无小数的字符串
df['ID'] = df['ID'].apply(lambda x: str(int(x)) if pd.notna(x) else '')

# 或者将NaN填充为0后转字符串
df['ID'] = df['ID'].fillna(0).astype('int64').astype(str)

3. 读取数据时直接指定可空整数类型

在读取数据源（如CSV）时，直接指定ID列的类型为pandas的Int64（注意大写I，支持空值的整数类型），省去后续转换步骤：

df = pd.read_csv('your_data.csv', dtype={'ID': 'Int64'})

这种方式会自动保留整数格式，同时正确处理NaN值。

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