熊猫返回一个用notnull()过滤的系列

Question

你好，各位开发人员，

我目前正在学习熊猫，并且还在努力思考如何赋值，例如，我把它转换成一种特定的类型，比如返回原始数据。

更具体的说，我有这个数据：

     id         A       B
0   50000    12413     32885.0
1   50001     2040     43737.0
3   50002     2040     28015.0
4   50003     2040      NaN
5   50004     2040     28565.0

我的目标是将列B转换为整数，但保留NaN值的原样，因此没有fillna(0)。我想要这个：

     id         A       B
0   50000    12413     32885
1   50001     2040     43737
3   50002     2040     28015
4   50003     2040      NaN
5   50004     2040     28565

我用print(df.loc[df['B'].notnull(), 'B'].astype('int'))做了这件事，它起了作用。

        B
0   32885
1   43737
3   28015
4   28565

但是，如果我试图将它分配回数据框架，那么：

df.loc[df['B'].notnull(), 'B'] = df.loc[df['B'].notnull(), 'B'].astype('int')

我仍然得到了原始的，未转换的数据。所以我似乎做错了作业，但我想不出如何正确地完成它。我会非常感谢你的帮助！

Answer 1

NaN 与熊猫，避免将与整数合并

除非你有一个非常好的理由，避免这种做法。原因是pandas只允许在连续内存块中使用数组进行矢量化计算。这只有在同一类型的数据中才有可能，例如，一系列类型的int、float、datetime，而不是object。

NaN被认为是float。因此，将整数与NaN组合在一起将强制pandas默认将整个系列向上转换为float。这增加了内存的使用，但对于大多数用例来说，这不是一个问题。

如果希望将NaN与整数组合起来，则需要使用dtype=object创建一个系列，并让pandas处理一系列指针。这是昂贵的计算和内存密集型。除非你绝对必须这样做，否则不要做。

但是如果你必须.

在将非object元素转换为整数之前，可以将一个系列转换为NaN：

df['B'] = df['B'].astype(object)

如前所述，您要求pandas / numpy为您的系列中的每一项使用指针。您最好开始使用列表。

Answer 2

由于type(np.nan)是float，所以需要首先转换列的类型。例如，你可以

df['B'] = df.B.astype(object)
df.loc[df['B'].notnull(), 'B'] = df.loc[df['B'].notnull(), 'B'].astype('int')

请注意，这可能会对内存的使用和性能产生负面影响。