Pandas dataframe含NaN的category字段float转int代码无效如何解决

• 核心原因是pandas默认的int类型不支持缺失值NaN，只要列中存在NaN，pandas会自动将整列的数据类型强制转换为float64，哪怕你单独把非NaN的数值转成int，赋值回列的时候也会被重新转为float，所以看起来代码没有生效。
• 额外补充小问题：np.isnan仅支持判断数值类型，如果你的列后续引入非数值类型值会直接报错，不过这不是本次代码不生效的原因。

分两种场景选择方案即可：

场景1：需要保留原有的NaN值 #

使用pandas提供的可空整数类型Int64（注意首字母大写，区别于普通int），该类型支持同时存储整数和缺失值，不需要用apply遍历，直接调用astype即可，性能更高：

df['category'] = df['category'].astype('Int64')

场景2：可以把NaN替换为自定义的整数占位值 #

如果你不需要保留NaN，可以先填充缺失值为符合业务逻辑的指定整数（比如-1、0等），再直接转为普通int类型即可：

# 示例用-1作为NaN的占位值，可根据需求修改
df['category'] = df['category'].fillna(-1).astype(int)

内容的提问来源于stack exchange，提问作者gülsemin