五行程式、三個考點。① None 放進整數清單的瞬間，整欄被默默升格成 float64（本站 pandas 3.0.2 實跑：[2022.0, nan, 2024.0]）。② median() 預設跳過缺值、只看 [2022, 2024]——偶數筆取中間兩個的平均 = 2023.0（2023 根本不在原始資料裡）。③ astype('Int64') 大寫 I 是 pandas 可空整數——print 實跑輸出逐字是 [2022, 2023, 2024] 與 Int64（答案 A）。加映：小寫 i 的 astype('int64') 見 NaN 直接 IntCastingNaNError——報錯訊息還推薦你用 'Int64'。
執行下列程式後，year 欄位的值與資料型態判讀何者正確？
import pandas as pd # 帶 pandas 進場，慣例縮寫 pd df = pd.DataFrame({'year': [2022, None, 2024]}) # 三筆年份，中間破一個洞 df['year'] = df['year'].fillna(df['year'].median()).astype('Int64') # 中位數補洞 → 轉可空整數 print(df['year'].tolist()) # 印出值清單 print(df['year'].dtype) # 印出資料型態
想像一本全班的座號名簿：座號本來都是整數。有一格沒填——為了記住「這格是空的」，pandas 把整欄換成「可以寫小數的鉛筆」（float64）來寫，因為它的字典裡「空格」（NaN）是浮點世界的公民，整數格式容不下它。這就是實跑看到的第一幕：[2022, None, 2024] 進表後變成 [2022.0, nan, 2024.0]——你沒叫它變，它默默升格了。
補洞用的是中位數：把洞跳過、剩 [2022, 2024] 排排站，偶數筆就取中間兩個的平均——2023.0。補完想改回整數，有兩種筆：小寫 i 的 int64 是老派原子筆——格式乾淨但一格空白都不准（見 NaN 直接報錯）；大寫 I 的 Int64 是新款鋼筆——整數格式、還能保留空格（<NA>）。本題先補了洞再轉，所以兩種筆都行；但考卷寫的是大 I，輸出就是可空整數 Int64。
median() 預設 skipna——跳洞計算、回傳 float（不是字串）。③ 大 I 小 i 之差：'Int64' 能裝 <NA>；'int64' 見 NaN 就丟 IntCastingNaNError——報錯訊息還親自推薦你 e.g. 'Int64'。點擊後出現漸進式說明：白話說明 → 說清楚一點 → 常見錯誤與考點。
點擊後出現漸進式說明。
五段，一段一段走完。右上角的「看位置」可以把這一段放回完整程式裡看。
import pandas as pd # 資料表工具箱，慣例縮寫 pd
pandas 是 Python 的資料表工具箱，慣例縮寫 pd（跟 numpy 的 np、seaborn 的 sns 同一種暗號）。本題的主角們——DataFrame、fillna、median、astype——全住在這箱子裡。
df = pd.DataFrame({'year': [2022, None, 2024]}) # 字典建表：鍵當欄名、清單當欄值
字典建表：鍵 'year' 當欄名、清單當欄值。重點在 None——缺值進了數值欄，會被換成 NaN；而 NaN 是浮點世界的公民，整數格式容不下它，所以整欄被升格成 float64。實跑證據：這行跑完 dtype 已是 float64、值是 [2022.0, nan, 2024.0]——注意 2022 悄悄長出了 .0 的名牌。
df['year'] = df['year'].fillna(df['year'].median()).astype('Int64') # 三站流水線＋回寫
一行三站，從最裡面讀出來：站 1 median()——預設跳過缺值，只看 [2022, 2024]，偶數筆取中間兩個的平均 = 2023.0（實跑 type 是 float64，不是字串——D 的死因）。站 2 fillna(2023.0)——把洞補上：[2022.0, 2023.0, 2024.0]，此刻仍是 float64。站 3 astype('Int64')——轉成大寫 I 的 pandas 可空整數。最後 df['year'] = 把成品回寫同一欄。
print(df['year'].tolist()) # Series → Python 清單再印出
tolist() 把 Series 變回普通 Python 清單。實跑輸出：[2022, 2023, 2024]——乾淨整數、沒有 .0（Int64 的元素 tolist 後是 Python int）。三個值都對得上：2022 與 2024 原班人馬、2023 是 median 補進來的。
print(df['year'].dtype) # 印出資料型態——第二行證據
實跑輸出：Int64——大寫 I，pandas 的可空整數（nullable integer）。兩行輸出跟選項 A 逐字吻合：[2022, 2023, 2024] ＋ Int64。大小寫在這裡是身分證：int64（小 i）是 numpy 整數、Int64（大 I）是 pandas 擴充型態——只有後者裝得下 <NA>。
同一份三筆年份，換三種裝法——dtype 會走到哪裡去？（pandas 3.0.2 全部實跑）：
dtype=object 才做得出來——預設推斷根本不走那條路。「整數混缺值」的預設歸宿是浮點——這是 pandas 的地基設定，不是 bug。median() 在這份資料上到底怎麼算？三個視角實跑：
如果不先 fillna、直接轉整數呢？大小寫各跑一遍：
IntCastingNaNError: Cannot convert non-finite values (NA or inf) to integer. Replace or remove non-finite values or cast to an integer type that supports these values (e.g. 'Int64')——pandas 自己告訴你：要嘛先補洞（Replace）、要嘛用大 I（'Int64'）。本題兩件都做了：先 fillna 再轉大 I——雙保險，穩穩落地。把第 3 行拆成四個時刻，每一站看兩件事：值長什麼樣、dtype 是誰：
缺值 × 型別的兩張必備小抄：
| dtype | 寫法 | 能裝缺值嗎 | 缺值長相 |
|---|---|---|---|
| int64（numpy 小 i） | astype('int64') / astype(int) | ×（IntCastingNaNError） | — |
| Int64（pandas 大 I） | astype('Int64') | ○ | <NA> |
| float64 | 預設推斷（缺值的預設歸宿） | ○ | NaN |
| object | 手動 dtype=object | ○ | None 原樣保留 |
| boolean（大寫家族） | astype('boolean') | ○（bool 小寫則×） | <NA> |
# 第 14 頁的同一招：sklearn 方言（實跑同補 2023.0） from sklearn.impute import SimpleImputer # 補值器 imp = SimpleImputer(strategy='median') # 策略：中位數——跟 fillna(median) 同心 imp.fit_transform(df[['year']]) # 實跑 → [[2022.], [2023.], [2024.]]
fillna(df['year'].median()) 就是第 14 頁 SimpleImputer(strategy='median') 的 pandas 方言——實跑同樣補進 2023.0。差別在紀律：正規 ML 流程的 median 要在「訓練集」上算（第 15 頁的洩漏防線——統計量只能來自訓練資料）；本題是單表資料清理，全欄算 median 沒問題。median 本人已是系列三朝元老：第 13 頁（describe 三兄弟）、第 20 頁（Spark approxQuantile）、本頁（fillna 的填料）——偏態與缺值場景，中位數永遠是第一人選。三站實跑背書：median() 跳洞算出 2023.0（偶數筆取中間兩個平均）；fillna 補洞 → [2022.0, 2023.0, 2024.0]；astype('Int64') 收尾——print 實跑輸出逐字是 [2022, 2023, 2024] 與 Int64。大寫 I 的「可空整數」描述也精準：它是 pandas 擴充型態、裝得下 <NA>。
兩個矛盾：① 預設推斷是 float64 不是 object（實跑）——object 要手動 dtype=object 才會出現；② None 進數值表的瞬間就變 nan——「2022.0 長了浮點名牌」卻配「原裝的 None」是兩個世界的零件拼在一起。而且程式明明跑了 fillna——洞已經補掉，None 不可能還在。
0 是 fillna(0) 的結果——本題補的是 median()=2023，不是 0（實跑 fillna(0) 世界：[2022, 0, 2024]）；bool 只在 astype(bool) 出現——實跑 [2022, 0, 2024] 轉 bool 得 [True, False, True]（0 變 False）。兩個零件都不在本題程式裡——而且「值是整數清單、dtype 卻是 bool」本身就自相矛盾。
實跑 type(df['year'].median()) → numpy.float64——數值欄的 median 回傳數值，不是字串。就算硬對字串欄呼叫 median，pandas 3 直接丟 TypeError「Cannot perform reduction 'median' with string dtype」——連「回傳字串」的機會都沒有。整條程式實跑一路綠燈，astype('Int64') 順利執行。
再看一次同一段程式。這次你手上有一句口訣了：缺值逼整數變浮點；median 補洞、Int64 復籍。
df = pd.DataFrame({'year': [2022, None, 2024]}) # None 進場 → 整欄升格 float64 df['year'] = df['year'].fillna(df['year'].median()).astype('Int64') # 2023.0 補洞 → 大 I 收尾
八題，全部都是本題的延伸。答錯會直接告訴你錯在哪。
「缺值處理與型別轉換」是中級科目二大數據處理分析與應用的資料清理招牌考點，fillna、median、astype 三件套輪流出場。最常見的六種問法：① 給程式問輸出的值與 dtype（本題——驗升格、median、Int64 三站）；② 問 None 放進整數欄後 dtype 變什麼（float64——不是 object）；③ 問 median/mean/mode 補值的適用場景（偏態用 median）；④ 問 Int64 與 int64 的差別（可空 vs 不可空）；⑤ 問不先補洞直接轉 int 會怎樣（IntCastingNaNError）；⑥ 問 fillna 與 SimpleImputer 的關係（同一招兩方言、訓練集算統計量）。一句口訣：缺值逼整數變浮點；median 補洞、Int64 復籍。
不是同一個東西，但在數值欄裡會被「統一收編」。None 是 Python 的「什麼都沒有」（NoneType 物件）；NaN（Not a Number）是 IEEE 754 浮點標準定義的特殊浮點值——它天生住在 float 世界。把 None 放進數值清單建表，pandas 會把它換成 NaN 來表示缺值（實跑：[2022, None, 2024] 進表變 [2022.0, nan, 2024.0]）——正因為 NaN 是 float、int64 容不下，整欄才被升格成 float64。只有手動 dtype=object 時 None 才會原樣保留（但那是「雜物櫃」模式，數值運算全部變慢變怪）。pandas 擴充型態另立了第三種缺值符號 pd.NA——Int64 欄裡的缺值顯示為 <NA>，這是三兄弟的分工：None（Python）、NaN（float）、pd.NA（pandas 擴充家族）。
因為 numpy 的欄是「同型態陣列」——一欄一種 dtype，沒有「這格 int、那格 NaN」的混搭。NaN 只存在於浮點世界（它就是一種特殊的 float），所以「整數＋缺值」的最小公倍數是 float64——pandas 預設就走這條路（實跑證據：dtype 直接是 float64、2022 長出 .0）。這正是大寫家族存在的理由：Int64 擴充型態用「數值陣列＋遮罩」兩層結構——數字照樣用整數存，另外一張遮罩記「哪幾格是缺值」——才能做到「整數格式、又能裝 <NA>」。考場記法：預設世界「int 見洞變 float」；擴充世界「Int64 見洞掛 NA」。
兩步：① median 預設 skipna=True——先把 NaN 跳過，名單剩 [2022, 2024]；② 偶數筆的中位數定義是「中間兩個的平均」——(2022+2024)/2 = 2023.0。所以中位數完全可以是「資料裡不存在的值」——它是位置統計量的內插結果，不是從名單裡挑一個。對照組實跑：skipna=False 時 median 直接回 nan（一顆老鼠屎壞一鍋粥）——fillna(nan) 等於什麼都沒補；mean() 在本題也是 2023.0（兩點對稱時 mean=median），但偏態資料兩者會分家——這正是第 13 頁三兄弟的老戲。補值選 median 的理由：不怕極端值拉偏（偏態金額、年齡、收入都是它的主場）。
差在「能不能裝缺值」，背後是兩套型態系統。int64（小 i）是 numpy 原生整數——高效、緊湊，但陣列裡不准有缺值：實跑 astype('int64') 遇到 NaN 直接丟 IntCastingNaNError。Int64（大 I）是 pandas 的擴充型態（extension dtype）——整數儲存＋缺值遮罩，缺值顯示為 <NA>：實跑不先 fillna 直接 astype('Int64') 得到 [2022, <NA>, 2024]，完全合法。同家族還有 'boolean'（可空布林，實跑 [True, <NA>, False]）、'string' 等。考場陷阱：題目寫 'Int64' 還是 'int64'，先看大小寫再作答——本題先 fillna 再轉，兩種都能跑；但 dtype 印出來是題目指定的 Int64。
兩條路兩個結局（都實跑）。astype('Int64')：合法——[2022, <NA>, 2024]、dtype Int64，缺值被 pd.NA 接手保留。astype('int64') 或 astype(int)：當場爆炸——IntCastingNaNError: Cannot convert non-finite values (NA or inf) to integer. Replace or remove non-finite values or cast to an integer type that supports these values (e.g. 'Int64')——注意報錯訊息親自推薦了兩條活路：先補洞（Replace，本題的 fillna）或改用大 I（'Int64'）。本題程式兩件都做了——雙保險。這也是選項 D 的反面教材：整條程式一路綠燈，真正會失敗的是「小 i ＋不補洞」的組合。
同一招、兩種方言。本頁 df['year'].fillna(df['year'].median()) 是 pandas 手動版；第 14 頁的 SimpleImputer(strategy='median') 是 sklearn 元件版——實跑對同一份資料同樣補進 2023.0。差別在「紀律內建與否」：SimpleImputer 裝進 Pipeline 後，fit 只在訓練集上算統計量、transform 拿同一把尺套測試集——第 15 頁的洩漏防線自動成立。手動 fillna 要自己守規矩：先切 train/test，median 只能在訓練集上算，再分別填兩邊——對全資料算 median 再切分，就是把測試集的資訊漏進了前處理（單表資料清理如本題無妨；建模流程必須講究）。
三條線。「不報錯的錯」家族：int + None 默默升格 float64——沒有警告、沒有錯誤、型態卻變了，跟第 9 頁（LSTM shape 默默廣播）、第 18 頁（head 撈到鍵序前三）同款「程式跑得動≠語意正確」。「補值家族」：本頁 fillna(median) ↔ 第 14 頁 SimpleImputer(strategy='median')（同招兩方言）↔ 第 15 頁「統計量只能來自訓練集」（補值的洩漏紀律）。「median 三部曲」：第 13 頁它是描述統計的三兄弟之一、第 20 頁 Spark 用草圖近似它、本頁它成了補洞的填料——偏態與缺值場景，中位數永遠是第一人選。