可为空的整型数据类型#
备注
整型数组目前还处于实验阶段。其API或实现可能会在没有警告的情况下发生更改。
在 1.0.0 版更改: 现在使用 pandas.NA 作为缺失的值，而不是 numpy.nan 。
在……里面 处理丢失的数据 ，我们看到Pandas主要用来 NaN 来表示丢失的数据。因为 NaN 是浮点数，这将强制具有任何缺失值的整数数组变为浮点数。在某些情况下，这可能并不重要。但是，如果您的整型列是一个标识符，则转换为浮点型可能会有问题。有些整数甚至不能表示为浮点数。
施工#
Pandas可以使用以下命令表示可能缺少值的整数数据 arrays.IntegerArray 。这是一个 extension type 在大Pandas体内实施。
In [1]: arr = pd.array([1, 2, None], dtype=pd.Int64Dtype())
In [2]: arr
Out[2]:
<IntegerArray>
[1, 2, <NA>]
Length: 3, dtype: Int64
或字符串别名 "Int64" (请注意大写 "I" ，以区别于NumPy的 'int64' 数据类型：
In [3]: pd.array([1, 2, np.nan], dtype="Int64")
Out[3]:
<IntegerArray>
[1, 2, <NA>]
Length: 3, dtype: Int64
所有类似NA的值都被替换为 pandas.NA 。
In [4]: pd.array([1, 2, np.nan, None, pd.NA], dtype="Int64")
Out[4]:
<IntegerArray>
[1, 2, <NA>, <NA>, <NA>]
Length: 5, dtype: Int64
此数组可以存储在 DataFrame 或 Series 就像任何NumPy数组一样。
In [5]: pd.Series(arr)
Out[5]:
0 1
1 2
2 <NA>
dtype: Int64
您还可以将类似列表的对象传递给 Series 具有数据类型的构造函数。
警告
目前 pandas.array() 和 pandas.Series() 使用不同的规则进行数据类型推理。 pandas.array() 将推断出可为空的整型数据类型
In [6]: pd.array([1, None])
Out[6]:
<IntegerArray>
[1, <NA>]
Length: 2, dtype: Int64
In [7]: pd.array([1, 2])
Out[7]:
<IntegerArray>
[1, 2]
Length: 2, dtype: Int64
为了向后兼容， Series 将它们推断为整型或浮点型
In [8]: pd.Series([1, None])
Out[8]:
0 1.0
1 NaN
dtype: float64
In [9]: pd.Series([1, 2])
Out[9]:
0 1
1 2
dtype: int64
我们建议显式提供dtype以避免混淆。
In [10]: pd.array([1, None], dtype="Int64")
Out[10]:
<IntegerArray>
[1, <NA>]
Length: 2, dtype: Int64
In [11]: pd.Series([1, None], dtype="Int64")
Out[11]:
0 1
1 <NA>
dtype: Int64
在未来，我们可能会提供以下选项 Series 推断出可为空的整型数据类型。
运营#
涉及整数数组的操作的行为类似于NumPy数组。丢失的值将被传播，如果需要，数据将被强制为另一种数据类型。
In [12]: s = pd.Series([1, 2, None], dtype="Int64")
# arithmetic
In [13]: s + 1
Out[13]:
0 2
1 3
2 <NA>
dtype: Int64
# comparison
In [14]: s == 1
Out[14]:
0 True
1 False
2 <NA>
dtype: boolean
# indexing
In [15]: s.iloc[1:3]
Out[15]:
1 2
2 <NA>
dtype: Int64
# operate with other dtypes
In [16]: s + s.iloc[1:3].astype("Int8")
Out[16]:
0 <NA>
1 4
2 <NA>
dtype: Int64
# coerce when needed
In [17]: s + 0.01
Out[17]:
0 1.01
1 2.01
2 <NA>
dtype: Float64
这些数据类型可以作为 DataFrame 。
In [18]: df = pd.DataFrame({"A": s, "B": [1, 1, 3], "C": list("aab")})
In [19]: df
Out[19]:
A B C
0 1 1 a
1 2 1 a
2 <NA> 3 b
In [20]: df.dtypes
Out[20]:
A Int64
B int64
C object
dtype: object
这些数据类型可以合并、重塑和转换。
In [21]: pd.concat([df[["A"]], df[["B", "C"]]], axis=1).dtypes
Out[21]:
A Int64
B int64
C object
dtype: object
In [22]: df["A"].astype(float)
Out[22]:
0 1.0
1 2.0
2 NaN
Name: A, dtype: float64
减法和分组操作(如‘SUM’)也适用。
In [23]: df.sum()
Out[23]:
A 3
B 5
C aab
dtype: object
In [24]: df.groupby("B").A.sum()
Out[24]:
B
1 3
3 0
Name: A, dtype: Int64
标量NA值#
arrays.IntegerArray uses pandas.NA as its scalar
missing value. Slicing a single element that's missing will return
pandas.NA
In [25]: a = pd.array([1, None], dtype="Int64")
In [26]: a[1]
Out[26]: <NA>