python - 如何防止Python/pandas将id视为数字

Question

我有一个 csv 数据集，其中一些 id 是非常长的数字，如下所示:

963839330864351104
426545668232740352
811862613586429056

当我读取 csv 并将数据集转换为数据框时，pandas 错误地认为它是一个数字并将其转换为科学通知，因此上面的数字变成了这样:

9.638393308643511e+17
4.2654566823274035e+17
8.11862613586429e+17

我尝试通过将系列转换为 int64 来解决这个问题，这在大多数情况下都有效，但问题是:

有些数字原本可能是这样的

191268415833367997

现在，数字从科学记数法转为int64(或int)后，数字变成这样:

191268415833368000 #some how pandas think that it's ok to round the number up

我需要的是让 pandas 明白数据集中保存这些 id 的列是一个字符串列，它不应该被视为数字，可能是在导入时，所以我不会将数字转换为整数，然后然后将其转换为字符串，同时我格式化工作并转换数据集以满足我的需求。

我尝试了以下方法，但没有成功:

1. 我尝试将系列转换为 int 和 int64
2. 我尝试使用 float_ precision='round_trip' 读取 csv
3. 我尝试将包含 id 的系列转换为字符串
4. 我尝试以不同方式设置显示:pd.options.display.float_format = '{:.0f}'.format

我见过这个问题以不同的方式提出，但没有明确的答案或我能够理解的东西来适应我的问题。它应该是直截了当的，但不知怎的却并非如此。

感谢您的帮助。

Answer 1

既然您提到要从 csv 加载，您只需通知 pandas 您想要将该列视为字符串即可:

from io import StringIO
from pandas import read_csv

data = StringIO('''
id1,id2
963839330864351104,963839330864351104
426545668232740352,426545668232740352
811862613586429056,811862613586429056
191268415833367997,191268415833367997
''')

df = read_csv(data, dtype={'id1': str, 'id2': float})

print(
    df, df.dtypes, sep='\n'*2
)
                  id1           id2
0  963839330864351104  9.638393e+17
1  426545668232740352  4.265457e+17
2  811862613586429056  8.118626e+17
3  191268415833367997  1.912684e+17

id1     object
id2    float64
dtype: object

在本例中，read_csv 将 'id1' 视为字符串值，将 'id2' 视为数字(浮点)值，因为它检测到这些是 float 。