pandas.errors.IntCastingNaNError: Cannot convert non-finite values (NA or inf) to integer
Ai cerut astype(int) pe o coloană care are valori lipsă (NaN) sau infinit, iar int64 nu poate reprezenta lipsa. Completează lipsurile înainte (fillna(0)), elimină rândurile (dropna) sau folosește tipul întreg care acceptă lipsă: astype("Int64").
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
Tipul int64 din NumPy, folosit de pandas pentru coloanele de întregi, nu are o valoare specială pentru „lipsă”. De aceea, o coloană de întregi cu măcar o celulă goală devine automat float64, cu NaN în locul lipsei (de aici 120.0 în loc de 120 la afișare). Când încerci astype(int), pandas nu are ce număr întreg să pună în locul lui NaN și se oprește cu IntCastingNaNError. „Non-finite” înseamnă NaN sau infinit (inf, care apare de exemplu la împărțirea la zero).
Rezolvarea depinde de ce înseamnă lipsa în datele tale: dacă înseamnă zero (nicio bucată vândută), fillna(0); dacă rândul e inutil fără valoare, dropna; dacă vrei să păstrezi informația că lipsește, tipul "Int64" (cu I mare), care afișează lipsa ca <NA>.
De ce apare: cauzele frecvente
1Coloană cu celule goale convertită în întreg
df = pd.DataFrame({"cantitate": [120, None, 35]})
df["cantitate"] = df["cantitate"].astype(int)df = pd.DataFrame({"cantitate": [120, None, 35]})
df["cantitate"] = df["cantitate"].fillna(0).astype(int)După fillna(0) nu mai există NaN, deci fiecare valoare are un întreg corespunzător.
2Vrei să păstrezi lipsa
df["varsta"] = df["varsta"].astype(int)df["varsta"] = df["varsta"].astype("Int64")Int64 (cu I mare) este tipul întreg al pandas care acceptă valori lipsă și le afișează ca <NA>.
3Infinit rezultat dintr-o împărțire la zero
df["zile"] = (df["stoc"] / df["vanzari_zi"]).astype(int)import numpy as np
zile = df["stoc"] / df["vanzari_zi"].replace(0, np.nan)
df["zile"] = zile.round().astype("Int64")x / 0 dă inf în pandas. Înlocuind zerourile cu NaN și folosind Int64, rândurile fără vânzări rămân marcate ca lipsă.
Repară eroarea, direct în pagină
Inventarul are cantități lipsă, iar conversia în întregi dă IntCastingNaNError. Repară codul ca lipsa să fie tratată ca 0 bucăți, iar programul să afișeze tabelul cu cantități întregi și totalul pe depozit.
import pandas as pd
import numpy as np
df = pd.DataFrame({
"depozit": ["Nord", "Nord", "Sud", "Sud"],
"produs": ["Cutii", "Bandă", "Cutii", "Folie"],
"cantitate": [120, np.nan, np.nan, 15],
})
df["cantitate"] = df["cantitate"].astype(int)
print(df)
print(df.groupby("depozit")["cantitate"].sum())depozit produs cantitate 0 Nord Cutii 120 1 Nord Bandă 0 2 Sud Cutii 0 3 Sud Folie 15 depozit Nord 120 Sud 15 Name: cantitate, dtype: int32
Indiciu
Completează lipsurile cu fillna(0) înainte de astype(int).
Reparația
import pandas as pd
import numpy as np
df = pd.DataFrame({
"depozit": ["Nord", "Nord", "Sud", "Sud"],
"produs": ["Cutii", "Bandă", "Cutii", "Folie"],
"cantitate": [120, np.nan, np.nan, 15],
})
df["cantitate"] = df["cantitate"].fillna(0).astype(int)
print(df)
print(df.groupby("depozit")["cantitate"].sum())De ce merge
Coloana cantitate avea două NaN, deci era de tip float64, iar int nu are niciun număr pentru „lipsă”. fillna(0) înlocuiește lipsurile cu 0, iar după asta conversia în întreg reușește. Totalul pe depozit adună apoi cantitățile: 120 pentru Nord și 15 pentru Sud.
Alte forme ale mesajului
IntCastingNaNError: Cannot convert non-finite values (NA or inf) to integer.Replace or remove non-finite values or cast to an integer typethat supports these values (e.g. 'Int64')ValueError: cannot convert float NaN to integer
Cum o eviți pe viitor
- Verifică lipsurile înainte de conversie:
df["col"].isna().sum(). - Decide explicit ce înseamnă lipsa: zero (
fillna(0)), rând eliminat (dropna) sau lipsă păstrată ("Int64"). - Dacă împarți coloane, tratează împărțirea la zero înainte de rotunjire și conversie.
- Dacă vezi
120.0în loc de120, coloana are aproape sigur NaN-uri.
Întrebări frecvente
De ce coloana mea de întregi a devenit float?
Pentru că are cel puțin o valoare lipsă. NaN există doar pentru numere zecimale, așa că pandas convertește toată coloana în float64 ca să poată păstra lipsa. După ce completezi lipsurile, poți reveni la int.
Ce diferență e între int64 și Int64?
int64 este tipul NumPy, rapid, dar fără valoare de lipsă. Int64 este tipul „nullable” din pandas, care acceptă <NA>. Pentru calcule obișnuite se comportă la fel; diferența apare doar la lipsuri.
Erori înrudite
TypeError: NDFrame.fillna() got an unexpected keyword argument 'method' În pandas 3, fillna nu mai are parametrul method. În loc de fillna(method="ffill") scrie ffill(), iar în loc de fillna(method="bfill") scrie bfill(). fillna rămâne pentru valori fixe, de exemplu fillna(0). ValueError: Unable to parse string "12 lei" at position 0 pd.to_numeric a găsit un text care nu e număr (aici "12 lei", pe poziția 0 din coloană). Curăță valorile înainte (scoate unitatea, spațiile, virgula zecimală) sau folosește errors="coerce", care transformă valorile nevalide în NaN, și verifică apoi ce s-a pierdut. TypeError: Invalid value 'epuizat' for dtype 'int64' Încerci să pui un text (sau un număr zecimal) într-o coloană de întregi cu loc / iloc, iar pandas 3 nu mai schimbă singur tipul coloanei. Pune valoarea într-o coloană nouă, potrivită (de exemplu status), sau convertește explicit coloana înainte, dacă chiar vrei tipuri amestecate. Învață Python pentru analiza datelor de la zero, cu exerciții la fiecare lecție
Curs Data Analysis with Python: lecții scurte, fiecare cu un exercițiu verificat automat, direct în browser. Primele 15 lecții sunt gratuite.
