使用DataFrame输出xlsx单列显示NaN及浮点转整数问题咨询

代码/问题展示见对应上传截图 #

问题1：xlsx数据集读入后数值列全显示NaN的成因与解决方法（Google Colab环境） #

常见成因 #

• 文件路径或sheet读取错误：Colab临时文件系统中未正确上传目标xlsx文件，或读取时未指定数据所在sheet，pandas默认读取第一个空白sheet时不会直接抛出报错，会返回空值/NaN。
• 表头行错位：自制xlsx常存在前置空行、合并单元格，pandas默认将首行识别为表头，若实际数据/表头不在首行，会导致列匹配错位，数值列被识别为空。
• 列名不匹配：列名存在不可见的首尾空格、换行符时，直接按可见列名调用列会匹配失败，返回全NaN。
• 单元格格式异常：xlsx中数值列混入中文单位、特殊符号，或存储为WPS/Excel特殊加密格式，会导致pandas解析数值失败返回NaN。

对应解决步骤 #

1. 先确认文件已正确上传到Colab内容目录，执行命令校验文件存在：
   !ls /content/
2. 若读取时提示缺少解析引擎，先安装依赖：
   !pip install openpyxl
3. 读入文件时显式指定sheet、表头位置、解析引擎，示例代码：

import pandas as pd
df = pd.read_excel(
    "/content/替换为你的xlsx文件名.xlsx",
    sheet_name="替换为数据所在的sheet名称",
    header=1, # 表头所在行的索引，从0开始计数，比如表头在第2行就填1，按实际情况调整
    engine="openpyxl"
)
# 校验读入结果，打印前5行和所有列名
print(df.head())
print(df.columns.tolist())

4. 统一清理列名的首尾不可见字符，避免列名匹配失败：
   df.columns = df.columns.str.strip()
5. 若数值列仍存在NaN，检查列中是否混入非数值内容，强制转换数值类型：
   df['替换为你的数值列名'] = pd.to_numeric(df['替换为你的数值列名'], errors='coerce')

问题2：DataFrame指定列浮点型转整数型方法 #

根据列中是否存在空值选择对应方法：

• 列中无NaN/空值：直接使用astype转换为普通整数类型
  df['替换为目标列名'] = df['替换为目标列名'].astype(int)
• 列中存在NaN需要保留空值：使用pandas可空整数类型Int64（首字母大写，区别于numpy的int64）
  df['替换为目标列名'] = df['替换为目标列名'].astype('Int64')
• 需要先填充NaN再转整数：比如将空值填充为0后转换
  df['替换为目标列名'] = df['替换为目标列名'].fillna(0).astype(int)

备注：运行环境为Google Colaboratory

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