pandas 讀 CSV 後 Year 欄位為什麼變成 float64？
一間遊戲市場研究公司正在分析全球電子遊戲銷售情況，並準備建立一份「熱銷遊戲銷售報告」。分析師取得了一份名為 vgsales.csv 的資料集，內容包含全球銷量超過 10 萬份的電子遊戲清單。研究團隊希望透過這份資料，了解不同年份、平台與地區的銷售趨勢。 分析師在載入資料後，檢視 Year 欄位的資料型態，發現它是 float64，而非一般年份常用的整數。他想了解這樣的情形為什麼會發生。請問下列哪些原因可能導致這種狀況？ 原因 A：CSV 檔中 Year 欄位有缺失值（NaN），導致 Pandas 自動將整欄轉為浮點數。 原因 B：CSV 檔中的年份資料原本是字串（如 "2006"），Pandas 轉換時出錯而變成浮點數。 原因 C：Pandas 預設會將所有數值型態讀取為 float64，不論資料是否為整數。 原因 D：CSV 檔中的年份資料可能包含小數點（例如 2006.0），因此被視為浮點數。
分析師用 pandas 讀 vgsales.csv 後，發現 Year 欄位的資料型別（dtype）是 float64，不是預期的整數 int。題目把四個可能的成因（A 到 D）打包成四個組合選項，要你找出哪些原因確實可能造成這種情形。
問你：哪些原因真的可能導致 pandas 把 Year 欄位讀成 float64？
一句話總結
正確答案是 選項 B（原因 A 和原因 D）：CSV 有缺失值（NaN）時 pandas 自動升成 float64，以及年份資料本身寫成小數點格式（2006.0）時也會讀成 float64。原因 B（字串轉錯）和原因 C（pandas 全預設 float64）都不符合 pandas 的實際行為。
先感受問題：年份欄位明明是整數，為什麼被讀成小數？
遊戲研究公司的分析師小凱載入了 vgsales.csv，檢查資料型別：
Name object
Platform object
Year float64 ← 為什麼不是 int64？
Genre object
Global_Sales float64
Year 欄位只有年份（2006, 2010, 2014...），理論上應該是整數。小凱知道這背後有原因，需要找出是哪些情況造成的。
關鍵是理解 pandas 的類型推斷規則：
- 整數欄位一旦混入 NaN，numpy 的 int64 無法表示 NaN，pandas 就自動把整欄升成 float64（因為 Python float 可以用 nan 表示缺失值）。
- CSV 中本身就寫 2006.0（帶小數點）時，pandas 自然讀成 float64。
這兩個原因（A 和 D）是真實成因；原因 B 和 C 是常見誤解。
逐一拆解四個原因是否成立
- 原因 A：有缺失值（NaN）→ 成立。numpy 的 int64 本來就無法存放 NaN（NaN 是浮點數概念），所以當 pandas 讀到一欄整數資料但其中有缺失值時，它必須把整欄型別提升（upcast）成 float64，才能同時存放整數值和 NaN。這是 pandas 在 Int64（可空整數）推出之前的標準行為。
- 原因 B：字串自動轉錯 → 不成立。pandas 讀 CSV 時，如果一欄全是像 "2006" 這樣的數字字串，pd.read_csv 預設會自動嘗試轉型成整數或浮點數，不會因為「原本是字串」就「出錯變成浮點數」。字串純數字能轉換成功，通常會被讀成 int64，而不是 float64。這不是 pandas 的正常行為。
- 原因 C：pandas 預設全部讀成 float64 → 不成立。pandas 不會把所有數值都讀成 float64，它會根據內容推斷型別：純整數欄位會被推斷為 int64，有浮點數的欄位才是 float64。「預設全部 float64」這個說法不符合事實。
- 原因 D：CSV 本身寫 2006.0 → 成立。如果 CSV 中年份欄位的值是 2006.0（帶小數點），pandas 的類型推斷器看到小數點就會把它讀成 float64，這是完全合理的解析行為。Excel 或舊資料系統匯出的 CSV 有時會以這種格式儲存年份。
原因 A 和 D 成立，選組合包含且僅包含 A、D 的選項
小凱確認了：
原因 B：字串轉錯 → 不成立（pandas 不會這樣）
原因 C：全預設 float64 → 不成立（pandas 不會這樣）
原因 D：CSV 本身有 2006.0 → 成立
正確答案要包含 A 和 D，而且不包含 B 和 C。四個總選項中，「原因 A、原因 D」對應選項 B。這就是選項 B 講的：原因 A、原因 D。
技術版：pandas dtype 類型推斷機制精讀
中級考試大概率會考程式碼跟公式，所以這部分你還是要學。但如果現在學起來很痛苦，可以先跳過，等讀完其他題目回頭再來。
想像一個倉庫，每個貨架只能放同一種規格的箱子。整數箱子（int64）放不了「沒有貨」的空槽，只有浮點數箱子（float64）才有一個叫做 NaN 的特殊空槽。所以只要有一格是空的，整個貨架就必須換成浮點數箱子。CSV 裡本身就有小數點的數字，一開始就是浮點數箱子。這兩種情況都讓 Year 欄位最後放在浮點數貨架（float64）上。
| 情境 | pandas 行為 |
|---|---|
| Year 欄全是整數，無缺失值 | dtype: int64 |
| Year 欄有缺失值（NaN） | dtype: float64（int64 無法存 NaN） |
| CSV 中年份寫成 2006.0 | dtype: float64（看到小數點就是 float） |
| 解決方案：可空整數型別 | dtype: Int64（大寫 I，pandas 擴充型別） |
| 強制轉整數（去除 NaN 後） | data['Year'].fillna(0).astype(int) |
- int64
- numpy 的 64 位元有符號整數，無法存放 NaN，範圍 -2⁶³ 到 2⁶³-1。
- float64
- numpy 的 64 位元浮點數，可存放 NaN（IEEE 754 標準中的特殊值），因此成為有缺失整數的預設容器。
- Int64（大寫 I）
- pandas 擴充的可空整數型別（Nullable Integer），可以同時存整數和 NaN，是 pandas 1.0 後的解決方案。
- NaN
- Not a Number，浮點數標準（IEEE 754）中定義的特殊值，pandas 用它表示缺失值。
- dtype inference
- pandas 在 read_csv 時自動推斷每欄資料型別的機制，依據欄位中的值決定最合適的 numpy dtype。
本題沒有數學公式，核心是 pandas 的型別推斷規則：
- 欄位全為整數且無 NaN → int64
- 欄位有整數且有 NaN → float64（因 int64 無法存 NaN）
- 欄位有帶小數點的值 → float64
- 欄位有文字和數字混合 → object
- 為什麼 numpy 的 int64 無法存 NaN？NaN 是什麼型別的值？
- pandas 的 Int64（大寫 I）和 numpy 的 int64（小寫 i）差別在哪？
- 讀完 CSV 後發現 Year 是 float64，如何判斷是「因為有 NaN」還是「因為 CSV 本身有小數點」？
- 如果想把 float64 的 Year 欄轉成整數且保留 NaN，應該用哪個方法？
- pandas 的 dtype inference 對效能有什麼影響？大型 CSV 該怎麼指定 dtype？
為什麼其他總選項是錯的
字面在說什麼：字串轉換出錯和「pandas 全部讀成 float64」這兩個原因導致了 float64。
為什麼不對：原因 B 不成立：pandas 讀到純數字字串時不會「出錯變成浮點數」，它有自動型別推斷機制，會嘗試轉成整數或浮點數，但不是「出錯」。原因 C 不成立：pandas 不會把所有數值都讀成 float64，整數欄無缺失時會讀成 int64。
誰會選錯：對 pandas 的自動型別推斷機制不熟悉、誤以為「字串一定會造成問題」的人，或者誤記了「pandas 預設 float」這個說法的人。
字面在說什麼：NaN、字串轉換出錯、CSV 有小數點這三個原因都導致了 float64。
為什麼不對：原因 A 和 D 確實成立，但原因 B 不成立。pandas 讀純數字字串（如 "2006"）時，是正常的型別轉換，不是「出錯」。如果 CSV 中 Year 欄有 "2006" 這樣的字串，pd.read_csv 會嘗試把它轉為整數 2006，不會無緣無故變成 float64。
誰會選錯：認為「字串也可能導致浮點數問題」的人，選了多一個不必要的原因。
字面在說什麼：pandas 全部讀成 float64 和 CSV 本身有小數點，這兩個原因造成 float64。
為什麼不對：原因 D 成立，但原因 C 不成立。「pandas 預設將所有數值讀成 float64」是錯誤的說法，整數欄（無缺失值）會被讀成 int64，而且選項 D 包含 C 卻漏掉了 A（NaN 導致 upcast），答案不完整。
誰會選錯：只記得「看到 2006.0 就是 float」，但沒想到 NaN 也是重要原因的人。
同個考點下次怎麼變形
直覺：如果 Year 欄全部都是整數、無缺失值，pandas 會讀成什麼型別？
答案：int64。pandas 讀到一欄全部都是不帶小數點的整數且沒有缺失值，類型推斷結果是 int64（64 位元整數）。這是最「乾淨」的情況，不需要升類型。用 data.dtypes 可以確認。
直覺：如果一欄同時有數字字串（"2006"）和真正的 NaN，pandas 會讀成什麼型別？
答案：object（字串）。如果一欄混合了數字字串和真正的 NaN，pandas 讀到後整欄型別是 object，因為 NaN 在 object 欄中以 Python None 或 numpy nan 儲存。這時需要先用 pd.to_numeric(col, errors='coerce') 轉換，把字串數字轉成浮點數、無法轉的值設為 NaN，再視需要處理缺失值。
直覺：如何在 read_csv 時就指定 Year 欄為整數型別，避免被讀成 float？
答案：用 dtype 參數：pd.read_csv('vgsales.csv', dtype={'Year': 'Int64'})。注意要用大寫 'Int64'（pandas 的可空整數型別），而不是小寫 'int64'（numpy 的 int64），因為 numpy int64 無法處理 NaN，如果 CSV 有缺失值會直接報錯。Int64 允許 NaN 存在，是更安全的選擇。
直覺：除了 Year 欄，哪些欄位的型別問題最常在實際資料中遇到？
答案：ID 欄（身分證號、訂單號）：原始是整數，但如果含有前導零（如 "00123"）或字串格式，應該存成 object 而非 int。日期欄：pd.read_csv 預設把日期讀成 object（字串），需要用 parse_dates 參數或 pd.to_datetime() 轉成 datetime64。布林欄：True/False 可能被讀成 bool 或 object，取決於 CSV 的實際內容（True vs "True"）。
直覺：載入資料後如何快速確認哪些欄位有缺失值、哪些型別不對？
答案：兩行程式碼搞定：data.dtypes 列出所有欄位的型別、data.isnull().sum() 列出每欄缺失值個數。看完這兩個輸出，就能確定哪些欄位需要補缺失值、哪些型別需要轉換。這是探索性資料分析（EDA）的標準開局步驟。
想再往下看，這 5 個
- 資料前處理（Data Preprocessing）dtype 轉換和缺失值處理是資料前處理的核心步驟，直接影響後續分析和建模的正確性。
- 資料填補（Data Imputation）Year 欄有 NaN 時，除了轉型，還需要決定缺失年份要填入什麼值，填補策略影響分析結果。
- 資料品質監控（Data Quality Monitoring）dtype 不一致是資料品質問題的常見徵兆，定期監控資料型別有助於及早發現上游資料問題。
- 資料管線（Data Pipeline）型別推斷問題在自動化資料管線中尤其危險，通常需要在管線入口強制指定 dtype 來防止靜默錯誤。
- 特徵工程（Feature Engineering）年份型別決定後續能做什麼操作，整數才能做算術差值（計算上市幾年），浮點數需要先轉換。