研究團隊接下來想要將Year欄位轉換為整數型態，以便後續進行年份趨勢分析。考慮到資料中可能包含缺失值（NaN），請選出最合適的轉換方式。 A) data['Year'] = data['Year'].astype(int) B) data['Year'] = data['Year'].fillna(0).astype(int) C) data['Year'] = data['Year'].fillna(1).astype(int) D) data['Year'] = data['Year'].astype('Int64')

iPAS 考題解析

研究團隊接下來想要將Year欄位轉換為整數型態，以便後續進行年份趨勢分析。考慮到資料中可能包含缺失值（NaN），請選出最合適的轉換方式。 A) data['Year'] = data['Year'].astype(int) B) data['Year'] = data['Year'].fillna(0).astype(int) C) data['Year'] = data['Year'].fillna(1).astype(int) D) data['Year'] = data['Year'].astype('Int64')

  • A. data['Year'] = data['Year'].astype(int)
  • B. data['Year'] = data['Year'].fillna(0).astype(int)
  • C. data['Year'] = data['Year'].fillna(1).astype(int)
  • D. data['Year'] = data['Year'].astype('Int64') ✓ 正確答案

詳細解析

pandas的 'Int64'（大寫I）是可空整數型態（Nullable Integer），可以在保留NaN的同時將欄位轉換為整數型態，不需要先填補缺失值。astype(int)在有NaN時會報錯，fillna填補假值（0或1）會扭曲分析。

出題年份：114 難度：★★☆