python - 为什么 pandas 中使用的函数行为会发生变化？

Question

我不明白为什么一个简单的函数:

def to_integer(value):
    if value == "":
        return None
    return int(value)

仅当数据帧中没有空字符串 "" 时，即仅当不存在任何值时，才会将值从 str 更改为 int返回为 None。

如果我去:

type(to_integer('1')) == int

返回 True。

现在，将 apply 和 to_integer 与 df1 结合使用:

df1 = pd.DataFrame(['1', '2', '3'], columns=['integer'])
result = df1['integer'].apply(to_integer)

给出整数列(np.int64)。

但是如果我将其应用到这个df2:

df2 = pd.DataFrame(['1', '', '3'], columns=['integer'])
result = df2['integer'].apply(to_integer)

它返回一列 float (np.float64)。

是否可以同时拥有一个包含整数和 None 的数据帧？

我使用 Python 3.3 和 Pandas 0.12。

Answer 1

你说得完全正确，不可能有一系列 int 和 np.nan 值。

numpy实现缺失值的方式为np.float64

http://pandas.pydata.org/pandas-docs/dev/missing_data.html .

文档的相关部分如下:

“虽然 pandas 支持存储整数和 bool 类型的数组，但这些类型无法存储丢失的数据。在我们可以切换到使用 NumPy 中的 native NA 类型之前，我们已经建立了一些重新索引时的“转换规则”导致丢失的数据被引入到例如 Series 或 DataFrame 中。它们是:

`data type  Cast to`
`integer    float`
`boolean    object`
`float  no cast`
`object no cast`