可空整数数据类型

备注

IntegerArray 目前处于实验阶段。其 API 或实现可能会在未提前通知的情况下发生更改。使用 pandas.NA 作为缺失值。

在 处理缺失数据 中，我们看到 pandas 主要使用 NaN 来表示缺失数据。由于 NaN 是浮点数，这会强制一个包含任何缺失值的整数数组变为浮点数。在某些情况下，这可能影响不大。但如果您的整数列是例如标识符，则转换为浮点数可能会有问题。有些整数甚至无法表示为浮点数。

构建

pandas 可以使用 arrays.IntegerArray 表示可能包含缺失值的整数数据。这是 pandas 内部实现的一个 extension type 。

或者字符串别名 "Int64"``（注意大写的 ``"I"），以区别于 NumPy 的 'int64' dtype：

所有类似 NA 的值都会被替换为 pandas.NA 。

这个数组可以像任何 NumPy 数组一样存储在 DataFrame 或 Series 中。

你也可以在 Series 构造函数中将类列表对象与 dtype 一起传递。

警告

目前 pandas.array() 和 pandas.Series() 在 dtype 推断方面使用不同的规则。pandas.array() 将推断出可空的整数 dtype

为了向后兼容，Series 会将这些推断为整数或浮点数 dtype。

我们建议显式提供 dtype 以避免混淆。

未来，我们可能会为 Series 提供一个推断可空整数 dtype 的选项。

操作

涉及整数数组的操作将与 NumPy 数组类似。缺失值将被传播，如有需要，数据将被强制转换为其他 dtype。

这些 dtype 可以作为 DataFrame 的一部分进行操作。

这些 dtype 可以被合并、重塑和转换。

诸如 sum() 之类的归约和分组操作也能正常工作。

标量 NA 值

arrays.IntegerArray 使用 pandas.NA 作为其标量缺失值。切片单个缺失元素将返回 pandas.NA 。