Python 在数据帧中使用替换方法时显示浮点类型

这是我的小例子。 我想把nan从“无”改为“无”。所以我用了两次

---

第一个替换方法工作得很好，正如我所想，但nan在第二个替换中重生，并且由于nan，所有int都更改为float。我不知道为什么nan会重生为df.replace（{'None'：None}，inplace=True），我如何修复它？

我们可以做的是将它更改为

对象

      a     b  c
0  None  None  3
1  None     5  6
2     7     8  9
     a    b  c
0  NaN  NaN  3
1  NaN  5.0  6
2  7.0  8.0  9

听起来您希望列类型是整数而不是浮点。您可以使用0.24.0版中引入的可为空的整数数据类型

对于一个为常规整数的列，如果它获得空值，则会自动将数据类型转换为浮点数据类型。请注意，如果使用pandas可为null的整数数据类型，该列将不会变为浮点，空值将表示为pandas.NA值

阅读。
中的更多信息，如果您希望在列中使用
nan
值的整数，则需要使用
pd.NA
nan
是一个浮点，将强制整数数组成为浮点。看看这本书

解决方案

df=pd.DataFrame(
[
[np.nan，无，3]，
[np.nan，5，6]，
[7, 8, 9]
], 
列=['a'，'b'，'c']，
)
#将np.nan替换为pd.NA
#然后将列类型转换为Int32
df.fillna（pd.NA）.astype（'Int32'））

Out[11]：
a、b、c
0      3
1       5  6
2     7     8  9
如果
df.replace（{'None'：np.nan}，inplace=True）
？您需要可为空的int-dtype:
df.replace（{'None'：None}）。astype（pd.Int64Dtype（））
，我可以问一下为什么要使用None而不是nan吗？在大多数情况下，NaN是指示数据帧中缺少值的最佳方式。@wwnde它不起作用。@anky我最后只使用“Int64”。谢谢您的回复！通过您的回复，我知道可为空的整数类型。谢谢即使我不使用对象类型，你的回答也会教我变量的方法。谢谢
      a     b  c
0  None  None  3
1  None     5  6
2     7     8  9
     a    b  c
0  NaN  NaN  3
1  NaN  5.0  6
2  7.0  8.0  9

out = df.replace({'None': None}).astype(object)
Out[10]: 
     a    b  c
0  NaN  NaN  3
1  NaN    5  6
2    7    8  9

Out[11]:
      a     b  c
0  <NA>  <NA>  3
1  <NA>     5  6
2     7     8  9