Python 在读取时自动转换字段类型

我正在导入一个数据集，其中的列只显示有效数字：

Volume
------
11.2
12
...

重要的是，在使用精确值（无论是

11.2

还是

12

）进行查找时，我不会更改此值。因此，将

12

更改为

12.0

会中断查找

我已经在

read\u csv

上尝试了

dtype

：

df = pd.read_csv(local_filename, engine='python', dtype={'volume': str, 'Volume': str}

输出：

print(df['Volume']) 

      Volume
      ------
      11.2
      12.0
      ...

print(df['Volume'].dtypes) 

      Name: Volume, Length: 386408, dtype: object

它已转换为对象，但仍将

.0

添加到

12

说

数据类型：列的类型名称或目录->类型，默认为无

数据或列的数据类型。例如{'a'：np.float64，'b'：np.int32} 使用str或object保留而不是解释数据类型。中频转换器 如果指定了，则将应用它们而不是数据类型转换

那么，为什么数据类型仍在更改

注:

• 我还尝试在导入后使用

  df['Volume']=df['Volume'].round（）

  ，以去除小数点后不重要的数字，但

  12.0

  仍然出现
• 我无法转换为

  int

  ，因为我需要有效数字（如

  11.2

在我得到答案之前，现在就这么做：

df['Volume'] = df['Volume'].apply(lambda x:
    x.split('.')[0] if x.split('.')[1] == '0' else x
)

---

您可以在查找之前转换为相应的数字类型。首先将列读取为numpy.object类型

import numpy as np
df = pd.read_csv("filepath",dtype={'col1':np.object})

def convert(val):
    return int(val) if val.isdecimal() else float(val)
lookup_value = convert(df['col1'][0])#returns either int or float

---

尝试使用

object

而不是

str