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')

解析

正確答案：D. data['Year'] = data['Year'].astype('Int64')

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。

每個選項為什麼對或錯

• A data['Year'] = data['Year'].astype(int) 錯誤選項

  astype(int)在有NaN的欄位上會拋出ValueError，無法執行。

• B data['Year'] = data['Year'].fillna(0).astype(int) 錯誤選項

  fillna(0)填補缺失年份為0，會在趨勢分析中產生1970年之前的假資料，扭曲結果。

• C data['Year'] = data['Year'].fillna(1).astype(int) 錯誤選項

  fillna(1)填補缺失年份為西元1年，同樣會產生不合理的假資料。

• D data['Year'] = data['Year'].astype('Int64') 正解

  astype('Int64')使用pandas可空整數型態，保留NaN同時轉換為整數，是最合適的方法。

答案、題目或解析有問題？回報這題

題目 © 經濟部產業發展署，AITerms.tw 僅作教學解析使用，本站解析以 CC BY-NC-SA 4.0 授權。