欠損値(NaN)を含むデータフレームの取り扱いについて

Question

df
	GTIN	受注数
0	4.525152e+12	2.0
1	4.525152e+12	3.0
2	4.525152e+12	4.0
3	4.525152e+12	5.0
4	NaN	NaN
5	NaN	NaN
6	NaN	NaN
7	NaN	NaN
8	NaN	NaN
9	NaN	NaN
10	NaN	NaN

データフレームの値の取り扱いについて

上記のようなdateframeで欠損値が含まれているdfに、下記を実行すると

df = df.dropna(axis=0)
df['GTIN'].astype('int')

0   -2147483648
1   -2147483648
2   -2147483648
3   -2147483648

このような数値になってしまいます。

理想としては下記です。

完成形(理想)

完成形
4525151665725 
4525151665831 
4525151665244 
4525151665237 

そもそも欠損値を含んでいるため、float型として取り込まれいるのが原因でしょうか。
どのように処理すれば良いのでしょうか。

Answer 1

欠損値は関係ありません。
pandasでのintはPythonのintとは異なりサイズが32bitであるため、桁あふれをおこして提示の結果になっています。
対策としてはサイズが64bitあるint64に変換すればよいです。ただしそれでも上限があることに注意ください。

import pandas as pd

df = pd.DataFrame( {'GTIN':[4525151665725.0]})
print(df)
#           GTIN
#0  4.525152e+12

df['GTIN'] = df['GTIN'].astype('int64')
print(df)
#            GTIN
#0  4525151665725

Comments

[3939TJ55]

ご丁寧な回答ありがとうございました！