Python:數據類型轉換與空值處理

目錄

• Python:int,float,str之間的轉換
  • 數據類型轉換
  • 其它數據轉換的內置函數
• Pandas中數據列含空字符串的處理
  • 數據框創建時的空值應該用np.nan還是None?

---

Python:int,float,str之間的轉換

數據類型轉換

主要介紹int,float,str之間的相互轉換,轉換方向見上圖.

其它數據轉換的內置函數

python各種類型轉換-int,str,char,float,ord,hex,oct等_Python_sunlylorn的專欄-CSDN博客

Pandas中數據列含空字符串的處理

為了便於說明，以數據框A為例，

import numpy as np
import pandas as pd
#為了便於描述先構造出一個數據框
A=pd.DataFrame({'A':[1,2,3,np.nan,1],"D":list('asdas')})
A=A.astype('str')#然后全部全換成str
A['B']=A['A'].astype('float')#然后再將數值列('A')轉回
A

• 查看對應的位置的空值

#字符串下的空值
print(f"A.loc[3,'A'],輸出結果：{A.loc[3,'A']}('nan')")
#數值下的空值
print(f"A.loc[3,'B'],輸出結果：{A.loc[3,'B']}(nan)")

• 判斷是否是空值？

#(1)判斷是不是空值
print(f'第一種方法：{A.loc[3,"B"]==np.nan}')
#(2)使用內置函數檢查
print(f"第二種方法：{A['B'].isna().tolist()}")#存在

令人驚訝的是：第一種方法下兩者居然不相等。然后使用type函數進行查看：

一個是<np.float64>，另一個是 。雖然通過 np.float可以將前者轉換成 ,兩者的結果都是 ，但是它倆仍不相等。

最主要的原因是:參考鏈接

np.nan不是一個“空”對象，用 np.nan is None判斷是False；這種情況下判斷空值只能用np.isna()(或者pd.isnull())
這也引出的一個新問題：數據框創建時的空值應該用np.nan還是None?

數據框創建時的空值應該用np.nan還是None?

與上面的情況類似，就算用None也會出現類似的問題，如下圖所示。

---

用np.nan或者None創建了數據框，但是使用數據框切片的方法，發現兩者居然不相等，真的是匪夷所思。
numpy 學習匯總38- 缺失數據，數據異常，NaN& None的區別( 初步學習 tcy)