我有下面的代码来解析一些 csv 数据。关键是最后几行,其余的只是为了显示上下文。基本上,最后我的数据中有三列,ID 变量 LopNr 和年份“无论如何”应该有整数,但为了以防万一,我将整个 DataFrame 转换为整数。为什么我在生成的 csv 文件中的 LopNr 和年份列得到“.0”,而具有聚合数据的第三列实际上被转换为整数并且输出时没有“.0”?我本以为在 .astype(int)
之后所有列都将具有整数,并且我们导出到 csv 而不将它们转换回 float 。
import iopro
from pandas import *
neuro = DataFrame()
for year in xrange(2005,2012):
for month in xrange(1,13):
if year == 2005 and month < 7:
continue
filename = 'Q:\\drugs\\lmed_' + str(year) + '_mon'+ str(month) +'.txt'
adapter = iopro.text_adapter(filename,parser='csv',field_names=True,output='dataframe',delimiter='\t')
monthly = adapter[['LopNr','ATC','TKOST']][:]
monthly['year']=year
neuro = neuro.append(monthly[(monthly.ATC.str.startswith('N')) & (~(monthly.TKOST.isnull()))])
neuro = neuro.groupby(['LopNr','year']).sum()
neuro = neuro.astype(int)
neuro.to_csv('Q:\\drugs\\annual_neuro_costs.csv')
最佳答案
这可能是因为您的“LopNr”和“year”列具有空值。目前,pandas 不支持具有空值的整数列,而是将整列上转换为 float 。
编辑:
从 0.24.0 版开始,Pandas 初步支持 nullable integer data type .
默认情况下,如果存在缺失值,整数仍会转换为 float :
>> df = pd.DataFrame([[1, 2, None], [5, None, 7]])
>> print(df)
0 1 2
0 1 2.0 NaN
1 5 NaN 7.0
但是,如果我们指定 dtype="Int64"
,则不会再发生这种情况:
>> df = pd.DataFrame([[1, 2, None], [5, None, 7]], dtype="Int64")
>> print(df)
0 1 2
0 1 2 <NA>
1 5 <NA> 7
关于python - 为什么 pandas.to_csv 为整数写 float ?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/23431613/