Hello开发人员，
我目前正在学习大熊猫，并且仍然试图围绕如何分配值，例如转换为特定类型的值，返回原始数据帧。
更具体地说，我有这个数据框：
id A B
0 50000 12413 32885.0
1 50001 2040 43737.0
3 50002 2040 28015.0
4 50003 2040 NaN
5 50004 2040 28565.0
我的目标是将列B转换为整数，但保留NaN个值，因此不会fillna(0)。我想要这个：
id A B
0 50000 12413 32885
1 50001 2040 43737
3 50002 2040 28015
4 50003 2040 NaN
5 50004 2040 28565
我这样做了
print(df.loc[df['B'].notnull(), 'B'].astype('int'))
它起作用了。
B
0 32885
1 43737
3 28015
4 28565
但是，如果我尝试将其分配回数据框：
df.loc[df['B'].notnull(), 'B'] = df.loc[df['B'].notnull(), 'B'].astype('int')
我仍然可以获得原始的未转换数据。所以我似乎做错了，但我无法弄清楚如何正确地完成任务。 非常感谢帮助！
答案 0 :(得分：4)
使用pandas时，请避免将NaN与整数组合
除非你有充分的理由，否则请避免这种做法。原因是pandas仅允许在连续内存块中使用数组进行矢量化计算。这仅适用于相同类型的数据，例如一系列类型int，float，datetime，但不 object。
NaN被视为float。因此，默认情况下，将整数与NaN强制pandas结合使用可将整个系列向上转换为float。这会增加内存使用量，但对于大多数用例来说不是问题。
如果您希望将NaN与整数合并，则需要使用dtype=object创建一个系列，并让pandas使用一系列指针。这在计算和存储器密集上是昂贵的。除非绝对必要，否则不要这样做。
但如果你只是......
在将非object元素转换为整数之前，您可以将系列转换为NaN：
df['B'] = df['B'].astype(object)
如上所述，您要求pandas / numpy使用系列中每个项目的指针。你也可以开始使用列表。
答案 1 :(得分：2)
由于type(np.nan)为float，您需要先转换列的类型。例如，你可以做
df['B'] = df.B.astype(object)
df.loc[df['B'].notnull(), 'B'] = df.loc[df['B'].notnull(), 'B'].astype('int')
请注意，这可能会对内存使用情况和性能产生负面影响。