Bỏ qua đến nội dung chính
Mục lục

Int64 trong pandas: cột số nguyên có ô trống (pandas int64)

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 8/17 · Chương 6

Làm sạch dữ liệu

  • 5 phút
  • Trung cấp
  • Python 3.14
  • Cập nhật

Kiểu Int64 viết hoa của pandas giữ được số nguyên cùng ô trống, điều mà kiểu int64 thường không làm được: trong pandas, int64 gặp một ô thiếu là cả cột thành float64. Bạn cần nó khi cột số lượng, năm sinh hay số khách có vài ô bỏ trống mà bạn vẫn muốn thấy số lượng 2 thay cho 2.0.

Cần biết trước: dữ liệu thiếu, dtype và astype() và pd.to_numeric().

Vì sao cột số nguyên thành float64

Kiểu int64 lưu mỗi ô là một số nguyên, và không có số nguyên nào nghĩa là "trống". NaN là một giá trị của số thực, nên khi gặp ô thiếu, pandas đổi cả cột sang float64 để có chỗ cho nó. Cột so_luong của bảng đơn thô đều là số nguyên, nhưng có 6 ô trống:

python
import pandas as pd

print(pd.Series([1, None, 3]).dtype)
don = pd.read_csv("don_hang_tho.csv")
print(don["so_luong"].dtype, don["so_luong"].isna().sum())
print(don["so_luong"].head(3).to_list())

KẾT QUẢ

float64
float64 6
[2.0, 2.0, 3.0]

Số lượng 2.0 đúng về giá trị nhưng lạ mắt với một đại lượng đếm. Phiền hơn, cột kiểu số thực không cho người đọc biết đây là đại lượng đếm được.

Kiểu Int64 giữ số nguyên và ô trống

Int64 (chữ I hoa) là kiểu số nguyên "nullable", tức cho phép rỗng. Mỗi ô là một số nguyên hoặc pd.NA, in ra là <NA>. Bạn đổi bằng astype("Int64"), hoặc đặt kiểu ngay lúc đọc file bằng dtype=:

python
import pandas as pd

don = pd.read_csv("don_hang_tho.csv", dtype={"so_luong": "Int64"})
sl = don["so_luong"]
print(sl.dtype, sl.isna().sum(), sl.sum())
print(sl.head(3).to_list())
print(sl[sl.isna()].head(2))

KẾT QUẢ

Int64 6 2932
[2, 2, 3]
220    <NA>
719    <NA>
Name: so_luong, dtype: Int64

Ô có giá trị in ra 2, ô trống in <NA>, và sum() vẫn bỏ qua ô trống như với float64. Đọc thẳng bằng dtype= gọn hơn đọc rồi đổi, và cho thấy ngay từ dòng đầu rằng cột này đếm số ly. Kiểu viết thường int64 và viết hoa Int64 khác nhau hẳn: gõ nhầm chữ hoa thường là đổi kiểu.

Tính toán trên cột Int64

Phép tính trên cột Int64 cho kết quả cũng có ô trống ở đúng chỗ cũ. Nhân với số nguyên giữ kiểu Int64, so sánh cho kiểu boolean cũng có <NA>:

python
import pandas as pd

ly = pd.Series([2, 3, None], dtype="Int64", name="so_ly")
print(ly * 1000)
print((ly > 2).to_list())

KẾT QUẢ

0    2000
1    3000
2    <NA>
Name: so_ly, dtype: Int64
[False, True, <NA>]

Ô trống so với 2 không cho True hay False, vì không ai biết số ly của đơn đó. Khi lọc, pandas coi <NA> trong mask là không chọn. Đổi 1000 thành 0.5 rồi chạy lại: dòng cuối của Series đầu in Float64, phiên bản số thực có ô trống, chữ F viết hoa.

Khi nào chọn Int64

Chọn Int64 cho cột đếm được mà có thể thiếu: số lượng, năm sinh, số khách mỗi bàn. Cột tiền VND không có ô trống thì giữ int64 như bài định dạng tiền VND, vì mọi hàm của NumPy làm việc với nó. Còn cột có số lẻ như điểm thi thì cứ để float64: NaN là cách tự nhiên của nó. Khi đọc một cột số từ chữ, nối pd.to_numeric(..., errors="coerce").astype("Int64") cho số nguyên và ô hỏng là <NA> trong một dòng.

Kiểm tra nhanh

  1. Sau import pandas as pd, print(pd.Series([1, None, 3]).dtype) in ra gì?

    • int64
    • float64
    • Int64
  2. Sau import pandas as pd, print(pd.Series([2, None], dtype="Int64").sum()) in ra gì?

    • 2
    • <NA>
    • 2.0
  3. Vì sao don["so_luong"].astype("int64") dừng với IntCastingNaNError?

    • Cột có ô là chữ
    • Cột có ô trống, mà int64 không có chỗ cho ô trống
    • astype() chỉ đổi được cột str
  4. Những cột nào hợp với kiểu Int64?

    • Số lượng ly của đơn, vài đơn quên ghi
    • Năm sinh của khách, vài khách bỏ trống
    • Điểm thi có số lẻ như 6.75
    • Cột tiền VND không có ô trống nào
Đúng hết lần đầu +15 XP

Bài tập

Năm sinh hợp lệ thành Int64

Form đăng ký lưu năm sinh thành số thực, có ô bỏ trống, và vài khách gõ nhầm như 1890 hay 2031. Viết thân hàm nam_sinh_hop_le(nam, tu, den) nhận Series năm sinh và trả Series kiểu Int64:

  • Năm từ tu đến den, tính cả hai đầu, giữ nguyên giá trị.

  • Năm ngoài khoảng đó, và ô trống, thành <NA>.

Kết quả giữ index và tên của Series. Hàm không sửa Series của nơi gọi.

Trả về: năm sinh đã soát, một Series kiểu Int64.

python
import pandas as pd

def nam_sinh_hop_le(nam, tu, den):
    pass  # Viết thân hàm thay cho dòng này

Tóm tắt

  • Một ô trống đổi cả cột số nguyên int64 thành float64, vì NaN là giá trị của số thực.

  • astype("int64") trên cột có ô trống báo IntCastingNaNError.

  • Int64 viết hoa giữ số nguyên cùng ô trống pd.NA, in là <NA>; đổi bằng astype("Int64") hay dtype= của read_csv().

  • sum(), mean() trên Int64 bỏ qua <NA>; so sánh cho boolean có <NA>, nhân với số lẻ cho Float64.

  • Chọn Int64 cho cột đếm được mà có thể thiếu; cột số lẻ giữ float64.

Câu hỏi thường gặp

int64 và Int64 trong pandas khác nhau thế nào?

int64 viết thường là kiểu của NumPy, nhanh, nhưng không chứa ô trống. Int64 viết hoa là kiểu của pandas, mỗi ô có thêm một dấu "trống hay không", nên chứa được pd.NA. Bài dữ liệu thiếu so ba dấu hiệu ô trống NaN, None và pd.NA.

Đổi cột Int64 về int64 thường thế nào?

Khi cột hết ô trống, astype("int64") chạy được. Còn ô trống thì phải quyết định trước: bỏ dòng bằng dropna(), hay điền một giá trị có nghĩa bằng fillna().

pandas int nan: có cách giữ NaN mà vẫn là số nguyên không?

Có, chính là Int64. Trong cột đó ô trống là <NA> chứ không phải NaN, nhưng isna() nhận cả hai, nên code đếm và lọc ô trống không đổi. Gặp lỗi khi ép kiểu thì trang IntCastingNaNError có đủ các cách sửa.

Chủ đề

pandas int64

Dữ liệu của bài

Bài này có hữu ích?

Hỏi đáp

Đang tải câu hỏi…

Tham vấn chuyên môn

Nguyễn Việt Chung

Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE

  • Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
  • Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
  • Xây hệ thống AI cho doanh nghiệp tại VietPlatform.
Biên soạn: AIDev Team · Rà soát · Quy trình biên tập