▷Tipo de datos enteros que aceptan valores NULL de Pandas ✔️ Foro Ayuda 【 2024 】

Buscamos en internet y así regalarte la solución para tu duda, si tienes preguntas deja tu comentario y te responderemos con mucho gusto.

En esta página

Nuevo en la versión 0.24.0.

Nota

IntegerArray es actualmente experimental. Su API o implementación puede cambiar sin previo aviso.

Modificado en la versión 1.0.0: Ahora usa pandas.NA como el valor faltante en lugar de numpy.nan.

En Trabajar con datos faltantes, vimos que los pandas utilizan principalmente NaN para representar los datos faltantes. Porque NaN es un flotador, esto obliga a un array de enteros con cualquier valor perdido para convertirse en punto flotante. En algunos casos, esto puede no importar mucho. Pero si su columna de números enteros es, digamos, un identificador, la conversión a flotante puede ser problemática. Algunos enteros ni siquiera se pueden representar como números de coma flotante.

Construcción

los pandas pueden representar datos enteros con posibles valores perdidos usando arrays.IntegerArray. Esto es un tipos de extensión implementado dentro de los pandas.

In [1]: arr = pd.array([1,2,None], dtype=pd.Int64Dtype())

In [2]: arr
Out[2]:<IntegerArray>[1,2,<NA>]
Length:3, dtype: Int64

O la string alias "Int64" (nota la capital "I", para diferenciarse de NumPy 'int64' dtype:

In [3]: pd.array([1,2, np.nan], dtype="Int64")
Out[3]:<IntegerArray>[1,2,<NA>]
Length:3, dtype: Int64

Todos los valores similares a NA se reemplazan con pandas.NA.

In [4]: pd.array([1,2, np.nan,None, pd.NA], dtype="Int64")
Out[4]:<IntegerArray>[1,2,<NA>,<NA>,<NA>]
Length:5, dtype: Int64

Esta array se puede almacenar en un DataFrame o Series como cualquier NumPy array.

In [5]: pd.Series(arr)
Out[5]:01122<NA>
dtype: Int64

También puede pasar el objeto similar a una lista al Series constructor con el tipo dtype.

Advertencia

En la actualidad pandas.array() y pandas.Series() use diferentes reglas para la inferencia de dtype. pandas.array() inferirá un dtype entero que acepta valores NULL

In [6]: pd.array([1,None])
Out[6]:<IntegerArray>[1,<NA>]
Length:2, dtype: Int64

In [7]: pd.array([1,2])
Out[7]:<IntegerArray>[1,2]
Length:2, dtype: Int64

Para compatibilidad con versiones anteriores, Series infiere estos como dtype entero o flotante

In [8]: pd.Series([1,None])
Out[8]:01.01    NaN
dtype: float64

In [9]: pd.Series([1,2])
Out[9]:0112
dtype: int64

Recomendamos proporcionar explícitamente el dtype para evitar confusiones.

In [10]: pd.array([1,None], dtype="Int64")
Out[10]:<IntegerArray>[1,<NA>]
Length:2, dtype: Int64

In [11]: pd.Series([1,None], dtype="Int64")
Out[11]:011<NA>
dtype: Int64

En el futuro, podemos ofrecer una opción para Series para inferir un dtype entero que acepta valores NULL.

Operaciones

Operaciones que involucran un número entero array se comportará de manera similar a las matrices NumPy. Los valores que falten se propagarán y los datos se transferirán a otro tipo d si es necesario.

In [12]: s = pd.Series([1,2,None], dtype="Int64")# arithmetic
In [13]: s +1
Out[13]:02132<NA>
dtype: Int64

# comparison
In [14]: s ==1
Out[14]:0True1False2<NA>
dtype: boolean

# indexing
In [15]: s.iloc[1:3]
Out[15]:122<NA>
dtype: Int64

# operate with other dtypes
In [16]: s + s.iloc[1:3].astype("Int8")
Out[16]:0<NA>142<NA>
dtype: Int64

# coerce when needed
In [17]: s +0.01
Out[17]:01.0112.012<NA>
dtype: Float64

Estos tipos pueden funcionar como parte de DataFrame.

In [18]: df = pd.DataFrame("A": s,"B":[1,1,3],"C":list("aab"))

In [19]: df
Out[19]: 
      A  B  C
011  a
121  a
2<NA>3  b

In [20]: df.dtypes
Out[20]: 
A     Int64
B     int64
C    object
dtype:object

Estos dtypes se pueden fusionar, remodelar y fundir.

In [21]: pd.concat([df[["A"]], df[["B","C"]]], axis=1).dtypes
Out[21]: 
A     Int64
B     int64
C    object
dtype:object

In [22]: df["A"].astype(float)
Out[22]:01.012.02    NaN
Name: A, dtype: float64

También funcionan las operaciones de reducción y agrupación, como la ‘suma’.

In [23]: df.sum()
Out[23]: 
A      3
B      5
C    aab
dtype:object

In [24]: df.groupby("B").A.sum()
Out[24]: 
B
1330
Name: A, dtype: Int64

Valor de NA escalar

arrays.IntegerArray usos pandas.NA como su valor escalar perdido. Rebanar un solo elemento que falta volverá pandas.NA

In [25]: a = pd.array([1,None], dtype="Int64")

In [26]: a[1]
Out[26]:<NA>

Datos categóricos Tipo de datos booleanos anulables

Si estás contento con lo expuesto, tienes el poder dejar un tutorial acerca de qué le añadirías a este enunciado.

¡Haz clic para puntuar esta entrada!

(Votos: 0 Promedio: 0)

Tags : Pandas Manual /

Tipo de datos enteros que aceptan valores NULL de Pandas

Utiliza Nuestro Buscador

Preguntas Relacionadas: