Python 如果包含Nan，则整型变量变为浮点

虽然在操作系统中有很多讨论提到从0.24开始将Nan integer添加到Pandas中的功能，但当我使用

read_csv（）

读取csv文件时，它会再次将包含Nan的

integer

值检测为

float

我是做错了什么还是这是正常的行为？
如果是这样的话，解决方法是什么？

重要的是，在我的用例中，如果您使用

astype（）

，我可以正确地检测变量的类型

df = pd.DataFrame({"intwithnan":[random.randint(0,100) 
                                 if random.randint(0,3)<2 else np.nan 
                                 for i in range(20)]}).astype({"intwithnan":"Int64"})
df.to_csv("nan.csv", index=False)
df = pd.read_csv("nan.csv").astype({"intwithnan":"Int64"})
print(f"{df.dtypes}\n\n{df.to_string(index=False)}")

---

问题是用户可以加载不同的数据集，在其中我不知道哪些列实际上是要使用的整数

astype（）

。在

读取\u csv（）

的过程中，将自动检测类型。是否可以强制它加载Nan值为integer而不是not的整型列float@MohamadArmoon简单正确，只需尝试每一列。用另一段代码更新了答案听起来很合理。我想可能会阻止对所有数据集进行额外的遍历。但似乎不可避免地，您可以使用

df.dtypes.to_dict（）

，只尝试将float64列转换为更有效的版本

intwithnan    Int64
dtype: object

 intwithnan
         97
         97
         66
         16
       <NA>
       <NA>
       <NA>
         59
         23
       <NA>
       <NA>
         95
         61
       <NA>
         26
         13
       <NA>
         48
         84
         19

df = pd.DataFrame({"intwithnan":[random.randint(0,100) 
                                 if random.randint(0,3)<2 else np.nan 
                                 for i in range(20)],
                  "stringcol":["abc" for i in range(20)]}).astype({"intwithnan":"Int64"})
df.to_csv("nan.csv", index=False)
df = pd.read_csv("nan.csv")
for c in df.columns:
    try: df = df.astype({c:"Int64"})
    except TypeError: pass
print(f"{df.dtypes}\n\n{df.to_string(index=False)}")