Python 列数据类型，带pandas read_json

我有一个json文件，如下所示：

[{"A": 0, "B": "x"}, {"A": 1, "B": "y", "C": 0}, {"A": 2, "B": "z", "C": 1}]

由于“C”列包含NaN值（第一行），pandas会自动推断其数据类型为“float64”：

但是，我希望“C”列的数据类型为“Int32”

pd.read_json（路径，dtype={“C”：“Int32”}）

不起作用：

>>> pd.read_json(path, dtype={"C": "Int32"}).C.dtype
dtype('float64')

相反，

pd.read_json（path）.astype（{“C”：“Int32”}）

可以工作：

>>> pd.read_json(path).astype({"C": "Int32"}).C.dtype
Int32Dtype()

为什么会发生这种情况？如何仅使用

pd.read\u json

函数设置正确的数据类型？

原因如下：

它将

'Int32'

转换为

numpy.Int32

，然后在尝试将整个列（数组）转换为此类型时，会导致值错误（无法将非有限值（NA或inf）转换为整数）。因此，原始（未转换）数据将在异常块中返回。
我猜这是熊猫身上的某种虫子，至少这种行为没有正确的记录

另一方面，

astype

的工作原理不同：它在系列中是元素级的，因此可以创建混合类型列

有趣的是，当直接指定

pd.Int32Dtype（）

时（而不是它的字符串别名

'Int32'

），您第一眼就能得到所需的结果，但如果您查看类型，它们仍然是浮动的：

df = pd.read_json(json, dtype={"C": pd.Int32Dtype})
print(df)
#   A  B    C
#0  0  x  NaN
#1  1  y    0
#2  2  z    1
print(df.C.map(type))
#0    <class 'float'>
#1    <class 'float'>
#2    <class 'float'>
#Name: C, dtype: object

df=pd.read_json（json，dtype={“C”：pd.Int32Dtype}）
打印（df）
#A、B、C
#0xNaN
#1 y 0
#2 2 z 1
打印（df.C.map（类型））
#0    
#1    
#2    
#名称：C，数据类型：object

作为比较：

print(df.C.astype('Int32').map(type))
#0    <class 'pandas._libs.missing.NAType'>
#1                            <class 'int'>
#2                            <class 'int'>
#Name: C, dtype: object

打印（df.C.astype（'Int32'）.map（type））
#0    
#1                            
#2                            
#名称：C，数据类型：object

谢谢您的回答。我将等待其他答案，如果没有其他人来，我将标记您的答案为已接受！：）

df = pd.read_json(json, dtype={"C": pd.Int32Dtype})
print(df)
#   A  B    C
#0  0  x  NaN
#1  1  y    0
#2  2  z    1
print(df.C.map(type))
#0    <class 'float'>
#1    <class 'float'>
#2    <class 'float'>
#Name: C, dtype: object

print(df.C.astype('Int32').map(type))
#0    <class 'pandas._libs.missing.NAType'>
#1                            <class 'int'>
#2                            <class 'int'>
#Name: C, dtype: object