Python字符串转整数方法及Pandas映射浮点数、NaN问题的解决咨询

一、通用Python中字符串转整数的方法 #

日常处理字符串到整数的映射，常用这几种灵活的方式：

• 字典直接映射：适合已知所有类别且数量不多的场景，用字典键值对直接对应，还可以用get方法处理未匹配的情况，避免报错：

  str_map = {'集体企业人员':0, '在岗职工':1, '农电工':2}
  # 映射单个字符串，未匹配返回默认值-1
  num = str_map.get('未知人员', -1)
  

• 枚举唯一值自动映射：如果类别较多或不确定，先提取唯一字符串再分配整数，省得手动写字典：

  unique_strings = ['集体企业人员', '在岗职工', '农电工', '其他']
  str_map = {s: idx for idx, s in enumerate(unique_strings)}
  

• 自定义函数映射：针对复杂逻辑（比如带条件的映射），可以写个函数配合map使用：

  def str_to_int(s):
      if s.startswith('集体'):
          return 0
      elif s == '在岗职工':
          return 1
      elif s == '农电工':
          return 2
      else:
          return 3
  num = str_to_int('集体企业人员')
  

二、解决你遇到的Pandas映射问题 #

问题原因分析 #

你碰到的两个问题其实是连锁反应：

1. 结果变成浮点数：因为Pandas的整数类型（int64）无法存储NaN值，当map遇到字典中没有的键时会返回NaN，Pandas自动把列的 dtype 转为float64来容纳缺失值。
2. 出现NaN：说明这些行的post值不在你定义的字典键里，大概率是存在未考虑到的类别，或者字符串有隐藏字符（比如前后空格、全角/半角差异）。

分步解决方案 #

1. 先排查未匹配的类别

先找出所有不匹配的字符串，确认问题根源：

# 获取post列的所有唯一值
all_posts = data2['post'].unique()
# 筛选出不在映射字典里的值
unmatched_posts = [p for p in all_posts if p not in {'集体企业人员', '在岗职工', '农电工'}]
print("未匹配的岗位类别：", unmatched_posts)

如果输出结果里有值，比如['退休人员', '在岗职工 ']（注意第二个带空格），就需要先清洗数据或者补充映射。

2. 数据清洗（处理字符异常）

如果是字符串有空格或格式问题，先做清洗：

# 去掉字符串前后的空格
data2['post'] = data2['post'].str.strip()
# 统一转为全角/半角（如果存在格式差异）
data2['post'] = data2['post'].str.normalize('NFKC')

3. 正确映射并转为整数

有两种可靠的方式：

方式一：用map+fillna+astype

给未匹配的值指定默认整数，再强制转为整数类型：

post_map = {'集体企业人员':0, '在岗职工':1, '农电工':2}
# 映射后填充未匹配的值为3，再转整数
data2['post'] = data2['post'].map(post_map).fillna(3).astype(int)

方式二：用pd.Categorical（更适合分类变量）

将列转为分类类型，自动生成整数编码，还能统一处理未匹配的类别：

# 指定所有可能的类别，最后一个是未匹配的"其他"
data2['post'] = pd.Categorical(
    data2['post'],
    categories=['集体企业人员', '在岗职工', '农电工', '其他'],
    ordered=False
)
# 获取分类对应的整数编码
data2['post'] = data2['post'].cat.codes

这种方式下，不在前三个类别里的都会被编码为3，且结果是整数类型，不会出现浮点数。

方式三：用replace方法

replace不会返回NaN（除非你指定），直接替换所有匹配的值，未匹配的可以统一处理：

# 先补充未匹配类别的映射
full_map = {
    '集体企业人员':0, 
    '在岗职工':1, 
    '农电工':2,
    **{p:3 for p in unmatched_posts}  # 把未匹配的都映射为3
}
data2['post'] = data2['post'].replace(full_map).astype(int)

内容的提问来源于stack exchange，提问作者littlely