有没有一种首选的方法来保持一个numpy
数组的数据类型固定为int
(或者int64
或其他),同时列表中仍然有一个元素是numpy.NaN
呢?
特别是,我正在将一种内部数据结构转换为Pandas DataFrame。在我们的结构中,我们有整数类型的列,但仍然有NaN(但是列的dtype是int)。如果我们将其作为DataFrame,则似乎会将所有内容重新分配为float,但我们确实希望是int
。
想法是什么?
尝试过的事情:
我尝试使用pandas.DataFrame下的from_records()
函数,其中coerce_float=False
,但这并没有帮助。我还尝试使用NumPy掩码数组,填充值为NaN,但也没有成功。所有这些都导致列数据类型成为float。
pandas.DataFrame
下的from_records
函数,并设置参数coerce_float=False
,但是没有成功……它仍然使新数据类型为float64
。 - ely