获取支持NA/is nullab的boolean pandas列

Question

如何创建一个支持Nan/missing值的dtype bool（或int）的pandas dataframe列？在

当我这样做的时候：

d = {'one' : np.ma.MaskedArray([True, False, True, True], mask = [0,0,1,0]),
'two' : pd.Series([1., 2., 3., 4.], index=['a', 'b', 'c', 'd'])}
df = pd.DataFrame(d)
print (df.dtypes)
print (df)

列one隐式转换为object。类似于ints：

^{pr2}$

one在这里隐式转换为float64，我更希望我留在int域中，不处理浮点运算及其特性（在比较时总是有容差，舍入错误等）

Answer 1

在整数情况下，从pandas 0.24（2019年1月）起，您可以使用nullable integers来实现您想要的：

In [165]: df
Out[165]:
   one  two
a  1.0  1.0
b  3.0  2.0
c  NaN  3.0
d  1.0  4.0

In [166]: df.astype('Int64')
Out[166]:
   one  two
a    1    1
b    3    2
c  NaN    3
d    1    4

这是通过将支持数组转换为^{}来实现的，布尔函数没有等价的东西，但是在this GitHub issue和this PyData talk中讨论了这个方向的一些工作。您也可以编写自己的extension type来覆盖这种情况，但如果您可以接受由整数0和1表示的布尔值，则可以使用以下方法：

^{pr2}$