Pandas中year列(int)自动转为float的问题及绘图异常求助

核心问题 #

处理Pandas DataFrame时，原本为int类型的year列自动转为float类型，绘图时出现不必要的小数。添加通过gdp和population计算得到的gdp_per_capita后出现该问题，尝试转int时报错：

IntCastingNaNError: Cannot convert non-finite values (NA or inf) to integer

检查发现year列末尾存在行标签为gdp_per_capita的NaN值：

100               2000.0
101               2001.0
...
17431             2019.0
gdp_per_capita       NaN
Name: year, Length: 4854, dtype: float64

错误原因 #

代码中添加gdp_per_capita的方式错误：

d.loc['gdp_per_capita']=d['gdp']/d['population']

这里的.loc['gdp_per_capita']是添加了一行而非一列，导致year列新增了一个行索引为gdp_per_capita的NaN值（因为该行没有对应的year数据）。而Pandas的int类型无法存储NaN，所以year列自动转为float类型。

解决步骤 #

1. 纠正新列的添加方式 #

把添加行改为添加列：

d['gdp_per_capita'] = d['gdp'] / d['population']

2. 清理数据并转换year列类型 #

先处理计算产生的inf/nan，再转换year为int类型：

# 替换无穷值为NaN，删除含NaN的行（或根据需求填充）
d.replace([np.inf, -np.inf], np.nan, inplace=True)
d = d.dropna(subset=['year'])  # 确保year列无缺失值

# 转换year为int类型
d['year'] = d['year'].astype(int)

3. 调整绘图代码 #

分组后的数据需要重置索引，确保year作为列参与绘图：

e = d.loc[d['country'].isin(regions)]
e = e.groupby(['country', 'year']).aggregate({'energy_cons_change_pct': 'mean'}).rename(columns={'energy_cons_change_pct': 'arccp'})
e = e.reset_index()  # 重置索引，让year成为普通列

plt.xlim(2000, 2020)
sns.lineplot(x='year', y='arccp', data=e, hue='country')
plt.show()

完整修正后的代码 #

import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt

d = pd.read_csv('/kaggle/input/world-energy-consumption/World Energy Consumption.csv')
# 注意：原代码中41-42是计算值，需确认对应列索引正确性，此处保留原写法
d = d.iloc[:, [1, 2, 9, 13, 20, 43, 51, 60, 69, 75, 82, 108, 106, 92, 98, 114, 102, 41-42]]
d = d[d['year'] >= 2000]
d = d.fillna(method='ffill').fillna(method='bfill')

# 正确添加新列
d['gdp_per_capita'] = d['gdp'] / d['population']

d.replace([np.inf, -np.inf], np.nan, inplace=True)
d = d.dropna(subset=['year'])
d['year'] = d['year'].astype(int)

# 绘图部分
regions=['Asia Pacific', 'CIS', 'World', 'Central America', 'Eastern Africa', 'Europe', 'Europe (other)','North America', 'Other Asia & Pacific', 'Other CIS', 'Other Caribbean',
 'Other Middle East', 'Other Northern Africa', 'Other South America', 'Other Southern Africa',  'South & Central America',
 'South Africa', 'World']

e = d.loc[d['country'].isin(regions)]
e = e.groupby(['country', 'year']).aggregate({'energy_cons_change_pct': 'mean'}).rename(columns={'energy_cons_change_pct': 'arccp'})
e = e.reset_index()

plt.xlim(2000, 2020)
sns.lineplot(x='year', y='arccp', data=e, hue='country')
plt.show()

额外说明 #

• 原代码中d['year'].dropna只是调用方法但未执行，需用d = d.dropna(subset=['year'])来实际删除缺失值
• 分组后调用reset_index()可以让year从索引转为普通列，确保绘图时识别为离散的年份值而非连续数值

内容的提问来源于stack exchange，提问作者Luca