为何NaN被视为float？pandas转换含NaN序列报错疑问

1. 为什么NaN被归类为float类型？ #

这得从IEEE 754浮点数标准的定义说起：NaN（Not a Number）本身就是该标准中专门用来表示无效/未定义数值运算结果（比如0÷0、负数开平方）的特殊浮点值。

而整数类型的存储编码规则里，根本没有预留对应NaN的位置——整数只用来表示合法的整数值，不存在“非整数的无效值”这个概念。所以在Python（以及绝大多数编程语言）中，NaN只能以float类型存在。你可以自己验证一下：

print(type(float('nan')))  # 输出 <class 'float'>

2. 为什么pandas转换时会触发ValueError: cannot convert float NaN to integer？ #

这个报错信息其实完全没问题，咱们拆解一下原因：

• 当你的pandas序列里包含NaN时，该序列的默认数据类型会是float64——因为普通的整数类型（比如int64）无法存储NaN（前面已经说过整数类型没有NaN的编码）。所以此时序列里的NaN本身就是float类型的对象。
• 当你执行df.A = df.A.apply(int)时，本质是对序列里的每个元素调用Python内置的int()函数。而int()只能接收合法的数值（比如int(3.5)会转成3，但int(float('nan'))就会直接报错，因为NaN不是一个有效的整数值）。

如果想要在保留NaN的同时把序列转为整数类型，可以使用pandas提供的可空整数类型（注意首字母大写的Int64，区别于小写的int64）：

df.A = df.A.astype('Int64')

这个类型既可以存储整数，也能兼容NaN，完美解决你的需求。

内容的提问来源于stack exchange，提问作者user904976