pandas 的数据类型基于 numpy，但是 numpy 的数据类型在处理缺失值的时候有个问题，会导致不太适合用在 pandas 的使用场景。
问题呈现
有一个列，它原来的数据类型是 int32。
[1, 2, 3]但是，如果你在这个数列中加入空数据，比如 None，就会导致它的数据类型变成 float32。
[1.0, 2.0, 3.0, NaN]你想把数据改回 int 也做不到，而且没有办法把 NaN 变成 None。
解决方案
把列数据类型改为 Int64，注意这里的 I 是大写的。这是 pandas 扩展的可为 None 的整数类型。
df["number"] = df["number"].astype("Int64")
df = df.replace({pd.NA: None})