从Python嵌套列表转numpy数组时如何保留NaN值不被转为字符串

问题原因 #

numpy的原生数组默认要求所有元素为同一数据类型，当嵌套列表中同时存在数值类元素（np.nan、整数19）和字符串类元素（'a'）时，numpy会自动将所有元素强制转换为统一的字符串类型，原本的浮点型np.nan会被转为字符串'nan'，因此失去空值的独有特性。

解决方法 #

方案1：指定数组类型为object #

创建数组时显式声明dtype=object，numpy会保留各元素原本的Python对象类型，不会做强制类型转换：

import numpy as np
nested_list = [[np.nan, 19], ['a', np.nan]]
arr = np.array(nested_list, dtype=object)

# 验证空值特性正常
print(arr[1][1] == arr[1][1])
# 输出：False

提示：object类型数组的数值运算效率低于同类型原生numpy数组，超大规模数据场景推荐使用下方结构化数组方案。

方案2：使用结构化数组适配多类型列 #

如果你的数据结构固定，每一列的类型统一（比如示例中第一列为字符串、第二列为数值），可以用结构化数组分别定义每列的类型，兼顾类型保留和运算效率：

# 定义每列的字段名和对应类型
arr_dtype = [('col1', 'U10'), ('col2', float)]
# 嵌套列表转元组列表适配结构化数组要求
arr = np.array([tuple(row) for row in nested_list], dtype=arr_dtype)

# 验证第二列的空值特性正常
print(arr['col2'][1] == arr['col2'][1])
# 输出：False

内容的提问来源于stack exchange，提问作者cameronpoe