有没有一种首选方法可以将numpy数组的数据类型固定为int(或int64或其他(，同时仍然将内部元素列为numpy.NaN？
特别是，我正在将内部数据结构转换为Pandas DataFrame。在我们的结构中，我们有整数类型的列，它们仍然具有 NaN(但列的 dtype 是 int(。如果我们将其设为数据帧，它似乎会将所有内容重新转换为浮点数，但我们真的很想成为int。
思潮？
尝试过的事情：
我尝试在熊猫下使用from_records()函数。数据帧，带有coerce_float=False，这没有帮助。我还尝试使用带有 NaN fill_value 的 NumPy 屏蔽数组，但也没有工作。所有这些都导致列数据类型变为浮点型。
NaN不能存储在整数数组中。这是目前熊猫的一个已知限制;我一直在等待 NumPy 中的 NA 值取得进展(类似于 R 中的 NA(，但 NumPy 获得这些功能至少需要 6 个月到一年的时间，似乎：
http://pandas.pydata.org/pandas-docs/stable/gotchas.html#support-for-integer-na
(此功能是从 pandas 的 0.24 版开始添加的，但请注意，它需要使用扩展 dtype Int64(大写(，而不是默认的 dtype int64(小写(：https://pandas.pydata.org/pandas-docs/version/0.24/whatsnew/v0.24.0.html#optional-integer-na-support(
此功能已从 0.24 版本添加到 pandas 中。
此时，它需要使用扩展名 dtype 'Int64'(大写(，而不是默认的 dtype 'int64'(小写(。
如果您尝试将浮点数 (1.143( 向量转换为整数 (1(，并且该向量具有 NA，将其转换为新的"Int64"dtype 会给您一个错误。为了解决这个问题，你必须对数字进行四舍五入，然后做".astype('Int64'(">
s1 = pd.Series([1.434, 2.343, np.nan])
#without round() the next line returns an error
s1.astype('Int64')
#cannot safely cast non-equivalent float64 to int64
##with round() it works
s1.round().astype('Int64')
0 1
1 2
2 NaN
dtype: Int64
我的用例是我有一个浮点数系列，我想四舍五入为 int，但是当你做 .round(( 仍然有小数时，你需要转换为 int 以删除小数。
如果性能不是主要问题，则可以改为存储字符串。
df.col = df.col.dropna().apply(lambda x: str(int(x)) )
然后你可以随心所欲地与NaN混合。如果你真的想要整数，根据你的应用程序，你可以使用 -1 、 0 或 1234567890 或其他一些专用值来表示NaN。
你也可以暂时复制这些列：一个是你所拥有的，带有浮点数;另一个是实验性的，带有整数或字符串。然后在每个合理的位置插入asserts，检查两者是否同步。经过足够的测试后，您可以放开浮子。
这不是适用于所有情况的解决方案，但我的(基因组坐标(我已经使用 0 作为 NaN
a3['MapInfo'] = a3['MapInfo'].fillna(0).astype(int)
这至少允许使用正确的"本机"列类型，减法、比较等操作按预期工作
熊猫 v0.24+
支持整数序列中NaN的功能将在 v0.24 及更高版本中提供。v0.24 "新增功能"部分提供了相关信息，可空整数数据类型下提供了更多详细信息。
熊猫 v0.23 及更早
版本通常，最好尽可能使用float系列，即使由于包含NaN值而将系列从 int 转换为 float。这可以实现基于 NumPy 的矢量化计算，否则将处理 Python 级别的循环。
文档确实建议："一种可能性是改用dtype=object数组。例如：
s = pd.Series([1, 2, 3, np.nan])
print(s.astype(object))
0 1
1 2
2 3
3 NaN
dtype: object
出于外观原因，例如输出到文件，这可能是可取的。
熊猫 v0.23 及更早版本：背景
NaN被认为是float。当前(从 v0.23 开始(的文档指定了整数序列向上转换为 float 的原因：
在 NumPy 中没有内置高性能 NA 支持的情况下 从零开始，主要的牺牲品是代表能力 整数数组中的 NA。
这种权衡主要是出于内存和性能原因，并且 也使生成的序列继续是"数字"。
文档还提供了由于包含NaN而向上转换的规则：
Typeclass Promotion dtype for storing NAs
floating no change
object no change
integer cast to float64
boolean cast to object
熊猫 v1.00 + 的新功能
您不再(也不能(使用numpy.nan。现在你有pandas.NA.
请阅读：https://pandas.pydata.org/pandas-docs/stable/user_guide/integer_na.html
IntegerArray目前处于实验阶段。其 API 或实现可能在没有警告的情况下更改。
在 1.0.0 版更改： 现在使用熊猫。NA 作为缺失值而不是麻皮楠。
在处理缺失数据中，我们看到熊猫主要使用 NaN 来表示缺失的数据。因为 NaN 是一个浮点数，所以这会强制一个数组具有任何缺失值的整数，成为浮点数。在一些在这种情况下，这可能无关紧要。但是，如果您的整数列是，例如，标识符，强制转换为浮点数可能会有问题。一些整数甚至不能表示为浮点数。
如果文本数据中有空白，则通常为整数的列将作为 float64 dtype 转换为浮点数，因为 int64 dtype 无法处理空值。如果您加载多个带有空白的文件(最终将产生 float64，而其他文件最终将变为 int64(，这可能会导致架构不一致
此代码将尝试将任何数字类型列转换为 Int64(而不是 int64(，因为 Int64 可以处理空值
import pandas as pd
import numpy as np
#show datatypes before transformation
mydf.dtypes
for c in mydf.select_dtypes(np.number).columns:
try:
mydf[c] = mydf[c].astype('Int64')
print('casted {} as Int64'.format(c))
except:
print('could not cast {} to Int64'.format(c))
#show datatypes after transformation
mydf.dtypes
现在这是可能的，因为熊猫 v 0.24.0
熊猫 0.24.x 发行说明引用：">熊猫已经获得了保存具有缺失值的整数dtype的能力。
我知道OP只要求NumPy或Pandas，但我认为值得一提的是极坐标作为支持所请求功能的替代方案。
Polars整数列中的任何缺失值都只是null值，并且该列仍然是整数列。
请参阅 极地 - 用户指南> 来自熊猫 了解更多信息。