Python:数据类型转换与空值处理

目录

• Python:int,float,str之间的转换
  • 数据类型转换
  • 其它数据转换的内置函数
• Pandas中数据列含空字符串的处理
  • 数据框创建时的空值应该用np.nan还是None?

---

Python:int,float,str之间的转换

数据类型转换

主要介绍int,float,str之间的相互转换,转换方向见上图.

其它数据转换的内置函数

python各种类型转换-int,str,char,float,ord,hex,oct等_Python_sunlylorn的专栏-CSDN博客

Pandas中数据列含空字符串的处理

为了便于说明，以数据框A为例，

import numpy as np
import pandas as pd
#为了便于描述先构造出一个数据框
A=pd.DataFrame({'A':[1,2,3,np.nan,1],"D":list('asdas')})
A=A.astype('str')#然后全部全换成str
A['B']=A['A'].astype('float')#然后再将数值列('A')转回
A

• 查看对应的位置的空值

#字符串下的空值
print(f"A.loc[3,'A'],输出结果：{A.loc[3,'A']}('nan')")
#数值下的空值
print(f"A.loc[3,'B'],输出结果：{A.loc[3,'B']}(nan)")

• 判断是否是空值？

#(1)判断是不是空值
print(f'第一种方法：{A.loc[3,"B"]==np.nan}')
#(2)使用内置函数检查
print(f"第二种方法：{A['B'].isna().tolist()}")#存在

令人惊讶的是：第一种方法下两者居然不相等。然后使用type函数进行查看：

一个是<np.float64>，另一个是。虽然通过np.float可以将前者转换成,两者的结果都是，但是它俩仍不相等。

最主要的原因是:参考链接

np.nan不是一个“空”对象，用 np.nan is None判断是False；这种情况下判断空值只能用np.isna()(或者pd.isnull())
这也引出的一个新问题：数据框创建时的空值应该用np.nan还是None?

数据框创建时的空值应该用np.nan还是None?

与上面的情况类似，就算用None也会出现类似的问题，如下图所示。

---

用np.nan或者None创建了数据框，但是使用数据框切片的方法，发现两者居然不相等，真的是匪夷所思。
numpy 学习汇总38- 缺失数据，数据异常，NaN& None的区别( 初步学习 tcy)