Pandas将分类列单元格设为np.nan时转float如何保留分类类型

对Categorical类型序列使用apply方法返回np.nan做值替换时，apply会基于返回值重新推断数据类型，不会继承原序列的分类类型约束；又因为np.nan本质是浮点类型，整数与浮点值混合时Pandas会自动将整列类型提升为float64，最终丢失Categorical类型。

• 方案1：布尔索引直接赋值（最推荐）
  Categorical类型原生支持缺失值，无需使用apply遍历，直接通过条件筛选目标位置赋值即可保留分类类型：

import numpy as np
import pandas as pd
from pandas.api.types import CategoricalDtype

s = pd.Series([1, 2, 2, 3, 2])
cat_type = CategoricalDtype(categories=[1, 2, 3], ordered=False)
s_cat = s.astype(cat_type)

# 筛选值大于2的位置赋值为np.nan
s_cat.loc[s_cat > 2] = np.nan

执行后输出结果如下，类型保持为Categorical：

0      1
1      2
2      2
3    NaN
4      2
dtype: category
Categories (3, int64): [1, 2, 3]

• 方案2：apply处理后手动转回原分类类型
  如果业务逻辑必须依赖自定义函数+apply实现复杂判断，可在处理完成后，用预先定义的分类规则重新做类型转换：

def nanify(cell):
    if cell > 2:
        return np.nan
    return int(cell)

s_result = s_cat.apply(nanify).astype(cat_type)

• 方案3：使用Series.where实现条件替换
  Series.where会保留原序列的数据类型，符合条件的位置保留原值，不符合条件的位置替换为指定值：

# 保留小于等于2的值，其余替换为np.nan
s_result = s_cat.where(s_cat <= 2, np.nan)

注意：Categorical类型的缺失值不需要提前加入categories列表中，原有分类定义不会因为出现缺失值发生改变。

内容的提问来源于stack exchange，提问作者Ohm