我正在使用 read_csv 将研究数据导入 Pandas 数据框。
我的主题代码是 6 个数字编码，其中包括出生日期。对于我的一些科目，这会导致代码带有前导零（例如“010816”）。
当我导入 Pandas 时，前导零被去除，列格式为 int64。
有没有办法将这个列原封不动地导入为字符串？
我尝试为该列使用自定义转换器，但它不起作用 - 似乎自定义转换发生在 Pandas 转换为 int 之前。
【问题讨论】：
我认为您不能以您想要的方式指定列类型（如果最近没有更改并且 6 位数字不是可以转换为日期时间的日期）。您可以尝试使用np.genfromtxt() 并从那里创建DataFrame。
编辑：看看 Wes Mckinney 的 blog，可能会有适合你的东西。 pandas 0.10 的新解析器似乎将于 11 月推出。
【讨论】：
正如this question/answerLev Landau 所指出的，可能有一个简单的解决方案，可以在read_csv 函数中为某个列使用converters 选项。
converters={'column_name': lambda x: str(x)}
您可以参考pandas.io.parsers.read_csv documentation中read_csv函数的更多选项。
假设我有 csv 文件 projects.csv，如下所示：
project_name,project_id
Some Project,000245
Another Project,000478
例如下面的代码正在修剪前导零：
import csv
from pandas import read_csv
dataframe = read_csv('projects.csv')
print dataframe
结果：
me@ubuntu:~$ python test_dataframe.py
project_name project_id
0 Some Project 245
1 Another Project 478
me@ubuntu:~$
解决方案代码示例：
import csv
from pandas import read_csv
dataframe = read_csv('projects.csv', converters={'project_id': lambda x: str(x)})
print dataframe
要求的结果：
me@ubuntu:~$ python test_dataframe.py
project_name project_id
0 Some Project 000245
1 Another Project 000478
me@ubuntu:~$
更新，因为它可以帮助他人：
要将所有列作为str，可以这样做（来自评论）：
pd.read_csv('sample.csv', dtype = str)
要将大多数或选择性列作为str，可以这样做：
# lst of column names which needs to be string
lst_str_cols = ['prefix', 'serial']
# use dictionary comprehension to make dict of dtypes
dict_dtypes = {x : 'str' for x in lst_str_cols}
# use dict on dtypes
pd.read_csv('sample.csv', dtype=dict_dtypes)
【讨论】：
这是一个更短、更强大且完全有效的解决方案：
只需定义变量名和所需数据类型之间的映射（字典）：
dtype_dic= {'subject_id': str,
'subject_number' : 'float'}
将该映射与pd.read_csv() 一起使用：
df = pd.read_csv(yourdata, dtype = dtype_dic)
瞧！
【讨论】：
float 等。我相信这是最熊猫的解决方案
dtype_dic 中定义所有不同表中的所有列（以字符串形式读取）并将其用于所有 csv。谢谢！
如果您有很多列并且您不知道哪些列包含可能会丢失的前导零，或者您可能只需要自动化您的代码。您可以执行以下操作：
df = pd.read_csv("your_file.csv", nrows=1) # Just take the first row to extract the columns' names
col_str_dic = {column:str for column in list(df)}
df = pd.read_csv("your_file.csv", dtype=col_str_dic) # Now you can read the compete file
你也可以这样做：
df = pd.read_csv("your_file.csv", dtype=str)
通过这样做，您将所有列都作为字符串，并且不会丢失任何前导零。
【讨论】：
如果您知道宽度，可以使用converters 将数字转换为固定宽度。
比如宽度是5，那么
data = pd.read_csv('text.csv', converters={'column1': lambda x: f"{x:05}"})
这样就可以了。它适用于 pandas==0.23.0 和 read_excel。
需要 Python3.6 或更高版本。
【讨论】：
你可以做到这一点，适用于所有版本的 Pandas
pd.read_csv('filename.csv', dtype={'zero_column_name': object})
【讨论】：