如何解决 - TypeError: 无法安全地将非等价的 float64 转换为 int64？

Question

我正在尝试将 DF 中的一些浮点列转换为 int，但出现上述错误。我尝试过将其转换以及 fillna 为 0（我不喜欢这样做，因为在我的数据集中需要 NA）。

我做错了什么？ 我两种都试过了：

orginalData[NumericColumns] = orginalData[NumericColumns].astype('Int64')
#orginalData[NumericColumns] = orginalData[NumericColumns].fillna(0).astype('Int64')

但它一直导致同样的错误

TypeError: cannot safely cast non-equivalent float64 to int64

如何转换列？

Answer 1

无需更换

nan

。 您可以通过以下方式传递到

Int64

安全：

df['A'] = np.floor(pd.to_numeric(df['A'], errors='coerce')).astype('Int64')

您的

nans

将替换为

<NA>

。 来源

你需要有 pandas >.24 版本。

Answer 2

import numpy as np
orginalData[NumericColumns] = orginalData[NumericColumns].fillna(0).astype(np.int64, errors='ignore')

对于 NaN，您需要将 NaN 替换为 0，然后进行类型转换

Answer 3

接受的解决方案并不在所有情况下都是正确的，回复：“np.floor”。来自以下位置的文档： https://numpy.org/doc/stable/reference/ generated/numpy.floor.html

“标量 x 的下限是最大整数 i，使得 i <= x. It is often denoted as [x]."

这会将 9.99 变为 9.00，并且任何下游计算相对于原始数据集都将不准确。

Answer 4

这也可以解决这个问题。

np.floor(df.A).astype('Int64')

Answer 5

数组必须仅包含整数才能安全地将 float 转换为 int 数据类型。如果你坚持的话可以尝试如下：

orginalData[NumericColumns] = orginalData[NumericColumns].astype(int, errors='ignore')

根据您的 pandas 版本，您可以一次安全地转换多个列。您不需要为此使用申请。