为什么此代码在我的熊猫数据框中会产生NaN？

Question

我正在尝试编写一些代码来预测运动季的结果。 我有一个数据帧，其中包含一个int32 Year列，一个用于列出球队名称的对象Team列，一个具有体育场容量的int32 Capacity列以及一个在给定年份内每场比赛平均出勤率的int32 Attend / G列。数据中没有先前的NaN。

这行代码完美地覆盖了给定年份之前的NYM队的体育场容量

train.loc[(train.Year < 2009) & (train.Team == 'NYM'), 'Capacity'] = 57333

但是，下面显示的代码无法执行此操作，因为它将PHI团队的能力转换为NaN，其他团队的能力也随之浮动。

我分配了一个变量来存储团队的最高出席人数/ G人数。变量是int32。

max_attend_per_g_phi = (train.loc[train['Team'] =='PHI',['Attend/G']].max())
print(max_attend_per_g_phi)
print(train.info()
train.loc[(train.Year < 2012) & (train.Team=='PHI'),'Capacity']=max_attend_per_g_phi
print(train.info())

第一个train.info呼叫输出

Attend/G        360 non-null int32
Capacity        360 non-null int32
Team            360 non-null object
Year            360 non-null int32

第二个呼叫输出时

Attend/G        360 non-null int32
Capacity        355 non-null float64
Team            360 non-null object
Year            360 non-null int32

使用与第一行代码相同的格式用该变量覆盖体育场容量，这将为PHI容量产生NaN，并将数据框中的其他容量从整数转换为浮点数。

有人知道为什么会这样吗？

Answer 1

例如，在某些情况下，使用CSV pd.read_csv(na_values = "?")读取熊猫文件时，您可以像这样检查数据后缀：

dataset.isna().sum()

如果您的数据在原始文档中包含NaN，则可能会带来反馈。