Python 将np.nan转换为pd.NA

鉴于

pd.DataFrame

包含

float

，如何将

np.nan

转换为新的

pd.NA

格式

import numpy as np
import pandas as pd

df = pd.DataFrame(np.nan, index=[0, 1, 2, 3], columns=['A', 'B'])
df.iloc[0, 1] = 1.5
df.iloc[3, 0] = 4.7

df = df.convert_dtypes()

type(df.iloc[0, 0])  # numpy.float64 - I'am expecting pd.NA

---

当

df

包含

float

时，使用

pd.convert\u dtypes（）

似乎不起作用。但是，当

df

包含

int

时，此转换工作正常。fillna是否适合您

import numpy as np
import pandas as pd

df = pd.DataFrame(np.nan, index=[0, 1, 2, 3], columns=['A', 'B'])
df.iloc[0, 1] = 1.5
df.iloc[3, 0] = 4.7

df = df.fillna(pd.NA)

df

输出：

---

convert\u dtypes

是您自己的函数吗？@Erfan不是，它来自pandas 1.0.0。我本以为我对pandas API了如指掌，但今天学到了一些新的东西，感谢它似乎

convert\u dtypes

有参数可以使用

pd.NA

支持转换字符串、整数和布尔值，但不是浮动。此解决方案的问题是，您的数据帧现在有

object

dtype列，这使它们变慢。使用此解决方案，您可以获得正确的

pd.NA

类型。但是，

df.info（）

现在将显示您的列从

float64

更改为

object

。那不是我要找的。整个列应该变成

float64

@Andi，看起来该功能还不存在（还？）。您可以在pandas github repo上提出一个增强建议问题。速度是使用pd.NA的牺牲品。此解决方案解决了所提出的问题，因此应标记为一个问题，因为原始问题只希望使用pd.NA，而不考虑效率。此外，原始问题没有指定其他数据类型要求。

      A     B
0  <NA>   1.5
1  <NA>  <NA>
2  <NA>  <NA>
3   4.7  <NA>

type(df.iloc[0, 0]) 

pandas._libs.missing.NAType