默认情况下，pd.read_csv会处理像浮点数这样的整数

Question

我有csv看起来像（header =第一行）：

name,a,a1,b,b1
arnold,300311,arnld01,300311,arnld01
sam,300713,sam01,300713,sam01

当我跑步时：

df = pd.read_csv('file.csv')

列a和b附加了.0，如下所示：

df.head()

name,a,a1,b,b1
arnold,300311.0,arnld01,300311.0,arnld01
sam,300713.0,sam01,300713.0,sam01

列a和b是整数还是空白，为什么pd.read_csv()将它们视为浮点数，如何确保它们在读取时是整数？

Answer 1

作为评论中提到的root，这是Pandas（和Numpy）的限制。 NaN是一个浮点数，您在CSV中的空值是NaN。

这也列在大熊猫的gotchas中。

您可以通过几种方式解决这个问题。

对于下面的示例，我使用以下内容导入数据 - 请注意，我在列a和b

中添加了一个空值的行

import pandas as pd
from StringIO import StringIO

data = """name,a,a1,b,b1
arnold,300311,arnld01,300311,arnld01
sam,300713,sam01,300713,sam01
test,,test01,,test01"""

df = pd.read_csv(StringIO(data), sep=",")

删除NaN行

您的第一个选择是删除包含此NaN值的行。这样做的缺点是你会失去整排。将数据导入数据帧后，运行以下命令：

df.dropna(inplace=True)
df.a = df.a.astype(int)
df.b = df.b.astype(int)

这会从数据框中删除所有NaN行，然后将列a和列b转换为int

>>> df.dtypes
name    object
a        int32
a1      object
b        int32
b1      object
dtype: object

>>> df
     name       a       a1       b       b1
0  arnold  300311  arnld01  300311  arnld01
1     sam  300713    sam01  300713    sam01

使用占位符数据填充NaN

此选项会将所有NaN值替换为丢弃值。这个值是你需要确定的。对于这个测试，我做了-999999。这将允许使用保留其余数据，将其转换为int，并使数据无效。如果您稍后根据列进行计算，则可以过滤这些行。

df.fillna(-999999, inplace=True)
df.a = df.a.astype(int)
df.b = df.b.astype(int)

这会生成如下数据框：

>>> df.dtypes
name    object
a        int32
a1      object
b        int32
b1      object
dtype: object

>>> df
     name       a       a1       b       b1
0  arnold  300311  arnld01  300311  arnld01
1     sam  300713    sam01  300713    sam01
2    test -999999   test01 -999999   test01

保留浮动值

最后，另一种选择是保留浮点值（和NaN）而不用担心非整数数据类型。

Answer 2

使用熊猫将float转换为整数值read_csv-工作==================================== ===============

# Importing the dataset
dataset = pd.read_csv('WorldWarWeather_Data.csv')
X = dataset.iloc[:, 3:11].values
y = dataset.iloc[:, 2].values
X=X.astype(int)
y=y.astype(int)