Python 更换'-'；使用np.nan将数据类型转换为浮点型

我有一个熊猫

df

如下：

 +------+----+
 |  x   |  y |
 +------+----+
 |ABCD  | -  |           
 |DEFG  | -  |
 +------+----+

在使用下面的

df = df.replace('-', np.NaN)

它将列

y

的数据类型转换为float，而列

y

的数据类型应保持为object。此外，当我尝试查找在替换为NA值后具有NA值的列的列表时，它不会显示任何具有NA值的列，而列

y

具有NA值。为什么会出现这个问题

编辑：我可以找到如下具有NA值的列

df.columns[df.isna().any()].tolist()

---

原因仅为列中的

NaN

s将列转换为浮点数。可能的解决方案由原始

dtype

s使用：

df = df.replace('-',np.NaN).astype(df.dtypes)

print (df.dtypes)
x    object
y    object
dtype: object

print (df.applymap(type))
               x                y
0  <class 'str'>  <class 'float'>
1  <class 'str'>  <class 'float'>

另一个类似的想法是只提取NAN列并将其转换为对象：

df = df.replace('-',np.NaN)


d = dict.fromkeys(df.columns[df.isna().all()], 'object')
print (d)
{'y': 'object'}

df = df.astype(d)

print (df.dtypes)
x    object
y    object
dtype: object

---

除了您所写的解决方案之外，还有其他替代方案吗？@user3046211-您能解释一下您的问题吗？为什么不能使用它？它起作用了，但我很好奇是否有其他解决方案。@user3046211-添加了另一个想法，我认为如果只需要将几个（或一个）c列转换为对象会更好

df = df.replace('-',np.NaN)


d = dict.fromkeys(df.columns[df.isna().all()], 'object')
print (d)
{'y': 'object'}

df = df.astype(d)

print (df.dtypes)
x    object
y    object
dtype: object