如何使用 pandas 处理和操作大 ID？

Question

我目前正在处理一个数据库表，该表的主键 ID 最多为 28 位。 对于我的用例，我需要操作此表中的一些数据点（包括 ID）并将其写回 db 表。

现在，对于 ID，我需要将其递增 1，而我正在努力使用 pandas 和 windows 来实现这一点。 不幸的是，很明显，我无法读取 ID 并将其保存为数据框中的纯整数。 事先将其转换为 np.float64 似乎完全弄乱了这些值。

例如： 我正在使用 ID 2021051800100770010113340000 操作数据点 如果我通过显式提供此列的 dtype 将 ID 列转换为 np.float64， ID 变为2021051800100769903675441152.0，这似乎是一个完全不同的数字。 另外我不知道将 ID 列增加 1 是否有效，因为结果将与上面的数字相同。

有没有办法以适当的方式解决这个问题？我的最后一个选择是将其转换为字符串，然后更改该字符串的最后一个子字符串。但我觉得这不是一个好的和干净的解决方案。更不用说我不确定我是否可以以那种形式将它写回数据库。

编辑//

基于此建议 (https://stackoverflow.com/a/21591439/3856569) 我通过以下方式编辑了 ID 列： df["ID"] = df["ID"].apply(int)

然后增加数字。

我得到以下结果：

2021051800100769903675441152
2021051800100769903675441153

所以增量现在似乎起作用了，但我仍然看到与我最初得到的完全不同的数字。

Answer 1

请和我一起从另一个角度来看这个问题。如果我们能够理解 ID 是如何形成的，我们或许能够以不同的方式处理它，例如，前 8 位数字看起来像一个日期，如果这是真的，那么您的任何操作都不应该修改这 8 位数字，除非您的意图是更改日期。在这种情况下，您可以将您的 ID（在 str 中）分成 2 部分。

20210518/00100770010113340000

那么现在我们只需要处理对于np.int64 来说仍然太大的第二部分。不过，如果你弄清楚它是如何形成的，那么或许你可以进一步将它分离出来，最终处理一个可以被np.int64处理的数字。

例如，ID会以这种方式形成吗？ 20210518 / 001 / 007 / 7001011334 / 0000

如果我们可以将其拆分为意义的片段，那么我们就知道在操作时需要保留哪一部分（在您的情况下加 1）