如何从含缺失值的pandas数据框中提取数值以进行数学运算？

我懂你的需求啦——你现在用dfs['REV_PIZ'].isna()得到的是布尔值组成的Series，但想要转成纯数值（1代表缺失，0代表非缺失）来做后续的数学运算，对吧？这里有几种简单可靠的方法可以实现：

• 方法一：直接转换数据类型
  布尔值在pandas里本质上可以被当作1（True）和0（False），但如果要明确转成整数类型，用astype(int)就可以：

  d = dfs['REV_PIZ'].isna().astype(int)
  

  这样得到的d就是整数类型的Series，完全可以直接用于加减乘除等数学运算。

• 方法二：用replace做值映射
  如果想要更直观地定义缺失值对应的数值，可以用replace方法手动指定映射关系：

  d = dfs['REV_PIZ'].isna().replace({True: 1, False: 0})
  

  这种方式灵活性更高，比如后续如果需要把缺失值标记为其他数值（比如-1），直接修改映射字典就行。

• 方法三：用numpy.where生成数值数组
  如果你习惯用numpy的工具，也可以用np.where来生成数值结果：

  import numpy as np
  d = np.where(dfs['REV_PIZ'].isna(), 1, 0)
  

  这个方法返回的是numpy数组，如果需要保持pandas Series的结构，再转一下就行：

  import pandas as pd
  d = pd.Series(d, index=dfs.index)
  

补充一句：如果只是临时做数学运算，甚至不用转换——因为在pandas的运算中，布尔值会自动被解析为1和0，比如计算缺失值的数量，直接dfs['REV_PIZ'].isna().sum()就可以得到缺失值的总数，本质就是把True当作1求和。但如果需要把这个标记列作为数值列长期使用，上面的转换方法就很有必要啦。

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