Python 使用浮点型NaN创建空数据帧的优雅方法

我想创建一个填充NaN的Pandas数据框。在我的研究中，我发现：

这段代码生成一个数据帧，其中填充了类型为“object”的NAN。因此，它们以后不能用于

interpolate（）

方法。因此，我用这段复杂的代码创建了DataFrame（灵感来自：

---

这将导致数据帧中填充类型为“float”的NaN，因此以后可以将其与

interpolate（）

一起使用。有没有更优雅的方法来创建相同的结果？

您可以在构建数据帧时直接指定数据类型：

>>> df = pd.DataFrame(index=range(0,4),columns=['A'], dtype='float')
>>> df.dtypes
A    float64
dtype: object

---

指定数据类型会迫使Pandas尝试使用该类型创建数据帧，而不是尝试推断它。

只需将所需的值作为第一个参数传递，如

0

、

math.inf

或此处的

np.nan

。然后，构造函数初始化值数组并将其填充到参数

index

和

columns

指定的大小：

>>> import numpy as np
>>> import pandas as pd
>>> df = pd.DataFrame(np.nan, index=[0, 1, 2, 3], columns=['A', 'B'])

>>> df.dtypes
A    float64
B    float64
dtype: object

>>> df.values
array([[nan, nan],
       [nan, nan],
       [nan, nan],
       [nan, nan]])

希望这能有所帮助

 pd.DataFrame(np.nan, index = np.arange(<num_rows>), columns = ['A'])

pd.DataFrame（np.nan，index=np.arange（），columns=['A']

您可以尝试以下代码行：

pdDataFrame = pd.DataFrame([np.nan] * 7)

这将创建一个大小为7、NaN类型为float的熊猫数据帧：

如果打印

pdDataFrame

，输出将为：

     0
0   NaN
1   NaN
2   NaN
3   NaN
4   NaN
5   NaN
6   NaN

另外，

pdDataFrame.dtypes

的输出为：

0    float64
dtype: object

---

对于多个列，您可以执行以下操作：

df = pd.DataFrame(np.zeros([nrow, ncol])*np.nan)

---

我不得不把dummyarray=np.empty（（4,1））放在pd.Series的工作中。杰出的

0    float64
dtype: object

df = pd.DataFrame(np.zeros([nrow, ncol])*np.nan)