如何修复：ValueError：无法将浮点 NaN 转换为整数

在本文中，我们将讨论如何修复值错误 - 在Python中无法将浮点 NaN 转换为整数。

在Python中，NaN 代表 Not a Number。当我们将包含 NaN 值的浮点类型的数据框列转换为整数时，将发生此错误。

让我们看看错误并探索处理它的方法。

正在使用的数据集：

让我们检查从浮点类型（标记列）转换为整数类型时的错误。我们可以使用 astype()函数进行转换

示例：描述错误

Python3

# import pandas
import pandas
 
# import numpy
import numpy
 
# create a dataframe
dataframe = pandas.DataFrame({'name': ['sireesha', 'gnanesh',
                                       'sridevi', 'vijay', 'sreemukhi'],
                              'marks': [90.3, numpy.nan, 67.8, 89, numpy.nan]})
 
# convert to integer type
dataframe['marks'].astype(int)

输出：

ValueError: Cannot convert non-finite values (NA or inf) to integer

因为 NaN 值不可能转换数据帧。所以为了解决这个问题，我们必须删除 NaN 值

方法 1：删除具有 NaN 值的行

在这里，我们将使用 dropna()函数从数据框列中删除 NaN 值。此函数将删除包含 NaN 值的行。

语法：

dataframe.dropna()

示例：处理错误

Python3

# import pandas
import pandas
 
# import numpy
import numpy
 
# create a dataframe
dataframe = pandas.DataFrame({'name': ['sireesha', 'gnanesh',
                                       'sridevi', 'vijay',
                                       'sreemukhi'],
                              'marks': [90.3, numpy.nan, 67.8, 89, numpy.nan]})
# display data type
print(dataframe['marks'] .dtype)
 
 
# drop the NaN values
dataframe = dataframe.dropna()
 
# display
print(dataframe)
 
# convert to integer type for marks column
dataframe['marks'] = dataframe['marks'].astype(int)
 
# display data type
dataframe['marks'] .dtype

输出：

方法 2：将 NaN 值替换为 0

我们可以将 NaN 值替换为 0 以摆脱 NaN 值。这是通过使用 fillna()函数来完成的。此函数将检查数据框列中的 NaN 值并填充给定值。

语法：

dataframe.fillna(0)

示例：处理错误

Python3

# import pandas
import pandas
 
# import numpy
import numpy
 
# create a dataframe
dataframe = pandas.DataFrame({'name': ['sireesha', 'gnanesh',
                                       'sridevi', 'vijay',
                                       'sreemukhi'],
                              'marks': [90.3, numpy.nan, 67.8, 89, numpy.nan]})
# display data type
print(dataframe['marks'] .dtype)
 
# replace NaN values with 0
dataframe = dataframe.fillna(0)
 
# display
print(dataframe)
 
# convert to integer type for marks column
dataframe['marks'] = dataframe['marks'].astype(int)
 
# display data type
dataframe['marks'] .dtype

输出：

方法 3：使用 numpy.nan_to_num()

这里我们使用 NumPy 将 NaN 值转换为 0 数字。

语法：

numpy.nan_to_num(numpy.nal)

示例：处理错误

Python3

# import modules
import numpy
 
# create an nan value
data = numpy.nan
 
# display
print(data)
 
# convert man to value
final = numpy.nan_to_num(data)
 
# display
final

输出：

nan
0.0

方法 4：使用 Nullable

我们可以将 nan 值创建为 NaN，这在将浮点数转换为整数时不会产生任何错误。

语法：

numpy.NaN

示例：处理错误

Python3

# import pandas
import pandas
 
# import numpy
import numpy
 
# create a dataframe
dataframe = pandas.DataFrame({'name': ['sireesha', 'gnanesh',
                                       'sridevi', 'vijay',
                                       'sreemukhi'],
                              'marks': [90.3, numpy.NaN, 67.8, 89, numpy.NaN]})
# display data type
print(dataframe['marks'] .dtype)
 
# replace NaN values with 0
dataframe = dataframe.fillna(0)
 
# display
print(dataframe)
 
# convert to integer type for marks column
dataframe['marks'] = dataframe['marks'].astype(int)
 
# display data type
dataframe['marks'] .dtype

输出：

float64
        name  marks
0   sireesha   90.3
1    gnanesh    0.0
2    sridevi   67.8
3      vijay   89.0
4  sreemukhi    0.0
dtype('int64')