避免在使用 pandas 数据框读取时自动将数据转换为 int

Question

我有一个没有标题的 csv 文件。它有大约 35 列。

我正在使用 pandas 读取此文件。 目前，问题是当它读取文件时，它会自动为每一列分配数据类型。

如何避免自动分配数据类型？

我有一个列 C，我想将其存储为字符串而不是 int。但是 pandas 会自动将其分配给 int

我尝试了两件事。

1)

my_df = pd.DataFrame()
my_df = pd.read_csv('my_csv_file.csv',names=['A','B','C'...'Z'],converters={'C':str},engine = 'python')

上面的代码给了我错误

ValueError: Expected 37 fields in line 1, saw 35

如果我删除，converters={'C':str},engine = 'python' 没有错误

2)

old_df['C'] = old_df['C'].astype(int)

这种方法的问题是，如果列中的值为'00123'，则它已经转换为123，然后将其转换为'123'。它会丢失初始 Zeroes ，因为它认为它是整数。

Answer 1

在 read_csv read_csv doc 中使用 dtype 选项或转换器，无论是否使用 python 引擎都有效：

df = pd.DataFrame({'col1':['00123','00125'],'col2':[1,2],'col3':[1.0,2.0]})
df.to_csv('test.csv',index=False)
new_df = pd.read_csv('test.csv',dtype={'col1':str,'col2':np.int64,'col3':np.float64})

如果您只是使用dtype=str，那么它将读取每一列作为字符串（对象）。但是你不能用converters 做到这一点，因为它需要一个字典。您可以在上面的代码中将converters 替换为dtype 并得到相同的结果。