迹忆客 专注技术分享

当您为函数提供有效参数但它是无效值时，会引发 ValueError。 例如，当您向数学模块的 sqrt() 函数提供负数时，您将得到 ValueError。

在 Python 中，NaN 表示 Not a Number，表示数据集中缺失的条目。 它是一种特殊的 float 值，不能转换为 float 以外的其他类型。

当您尝试将 NaN 值转换为整数类型时，会出现 ValueError: cannot convert float NaN to integer。

本篇文章将介绍如何修复 ValueError: cannot convert float NaN to integer 。

使用 fillna() 方法修复python错误 ValueError: cannot convert float NaN to integer

我们使用以下数据集将价格数据转换为整数类型。

用于将数据转换为float类型的数据集

这是Python中 ValueError: cannot convert float NaN to integer 的示例：

# import pandas
import pandas
# read csv file
df = pandas.read_csv('itemprice.csv')
# convert to an integer type
df['price']=df['price'].astype(int)

输出:

pandas.errors.IntCastingNaNError: Cannot convert non-finite values (NA or inf) to integer

数据集中有两个 NaN 值。 您可以通过将 NaN 值替换为 0 来解决此问题。

fillna() 方法用 Python 中的给定值替换 NaN 值。 它检查列中的 NaN 值并用指定值填充它们。

df_new = df.fillna(0)
print(df_new)

输出:

  items  price
0     A  540.0
1     B  370.0
2     C    0.0
3     D  220.0
4     E    0.0

现在，将 float 类型转换为 integer 类型。

df_new['price'] = df_new['price'].astype(int)

检查数据类型以进行验证。

print(df_new['price'].dtype)

输出:

int32

使用 dropna() 方法修复 Python 中的 ValueError: cannot convert float NaN to integer

dropna() 方法删除 DataFrame 对象中的所有 NULL 值。

以下示例删除数据集中包含 NULL 值的行。

df_new = df.dropna()
print(df_new)

输出:

  items  price
0     A  540.0
1     B  370.0
3     D  220.0

现在，您可以轻松地将数据转换为整数类型。

df_new['price'] = df_new['price'].astype(int)
print(df_new['price'].dtype)

输出:

int32

使用 numpy.nan_to_num() 函数修复 ValueError: cannot convert float NaN to integer in Python

您还可以使用 numpy.nan_to_num() 函数解决此错误。 它将 NaN 值更改为 0.0，可以将其转换为整数。

import numpy
dt = numpy.nan
print(dt)

输出:

nan

使用 numpy.nan_to_num() 函数将 NaN 值替换为 0.0。

dt=numpy.nan_to_num(dt)
print(dt)

输出:

0.0

然后将其转换为整数类型。

dt=dt.astype(int)
print(dt.dtype)

输出:

int32

当我们尝试将 NaN 值转换为整数类型时，将引发 ValueError: cannot convert float NaN to integer。 我们可以通过用指定值填充 NaN 值或删除包含 NaN 值的行来解决此问题。

现在你知道如何在 Python 中解决 ValueError: cannot convert float NaN to integer 了。 我们希望这些解决方案对大家有所帮助。