Python-NumPy或Pandas：具有NaN值时，将数组类型保持为整数
有没有一种首选的方法来将numpy数组的数据类型固定为int（int64或其他），同时仍将元素内部列出为numpy.NaN？
特别是，我正在将内部数据结构转换为Pandas DataFrame。在我们的结构中，我们有仍具有NaN的整数类型的列（但该列的dtype为int）。如果将其设为DataFrame，似乎将所有内容重铸为float，但我们真的很想成为int。
有什么想法吗？
尝试过的事情：
我尝试from_records()在pandas.DataFrame下使用该功能coerce_float=False，但这并没有帮助。我还尝试使用带有NaN fill_value的NumPy蒙版数组，该数组也无法正常工作。所有这些导致列数据类型变为浮点型。
问题答案：
此功能已添加到熊猫（从0.24版开始）：https : //pandas.pydata.org/pandas-docs/version/0.24/whatsnew/v0.24.0.html#optional-integer-na-support
此时，它需要使用扩展名dtype Int64（大写），而不是默认的dtype int64（小写）。
-
是否有一种首选方法可以将数组的数据类型固定为（或或其他任何类型），同时仍将数组中的元素列为？ 特别是，我正在将内部数据结构转换为熊猫数据帧。在我们的结构中，我们有仍然具有NaN的整型列（但是列的dtype是int）。如果我们将其作为DataFrame，它似乎会将所有内容重铸为浮点数，但我们真的希望成为。 思想？ 尝试过的事情： 我尝试在熊猫下使用函数。DataFrame，与，这没有帮助。我还尝试使
-
问题内容： 有没有一种方法可以将NaN存储在整数的Numpy数组中？我得到： 问题答案： 不，至少在当前版本的NumPy中不能。A是 仅对 float数组的特殊值。 有人在谈论引入一个特殊的位，该位将允许非浮点数组存储实际上与a相对应的内容，但到目前为止（2012/10），这仅仅是个话题。 同时，您可能需要考虑使用该程序包：您可以使用特殊值表示无效值，而不是选择像-99999这样的无效整数。
-
问题内容： 我对知道如何将熊猫数据框转换为NumPy数组感兴趣。 数据框： 给 我想将其转换为NumPy数组，如下所示： 我怎样才能做到这一点？ 作为奖励，是否可以像这样保留dtype？ 或类似的？ 问题答案： 要将pandas数据框（df）转换为numpy ndarray，请使用以下代码：
-
问题内容： 我期望得到，但我得到： 问题答案： 并非所有的Nan都是相同的： 因此， 包含，它们是相同的，所以 但包含不相同的： 因此set不会将它们视为相等： 如果您有熊猫系列，请使用它的方法而不是查找唯一值：
-
问题内容： 你是否知道如何以NumPy数组或python列表的形式获取DataFrame的索引或列？ 问题答案： 要获取NumPy数组，应使用以下属性： 这样可以访问数据的存储方式，因此无需进行转换。 注意：此属性也可用于其他许多熊猫的对象。 要将索引作为列表获取，请致电tolist： 同样，对于列。
-
问题内容： 我有一个基于不同气象站的数据集， 我想删除具有多个NaN的’stationID’组。例如，如果我键入： 然后，我想删除一个组中至少具有一定数量的NaN（例如30个）的组。据我了解，我不能将dropna（thresh = 10）与groupby一起使用： 那么，用熊猫做到这一点的最佳方法是什么？ 问题答案： 你可以做的IIUC 例： 因此，这将滤除具有大于1 nan值的组