Python 在使用read_csv时添加小数点

我正在处理一些csv文件，并使用pandas将它们转换为数据帧。之后，我使用输入查找要删除的值

我被一个小问题挂住了：对于某些列，它将“.o”添加到列中的值。它只在带有数字的列中执行此操作，所以我猜它将列作为浮点读取。如何防止这种情况发生

真正让我困惑的是，它只发生在几列中，所以我不能完全理解一种模式。我需要切掉“.0”以便可以重新导入它，我觉得从一开始就可以最容易地防止它发生

谢谢

以下是我的代码示例：

clientid = int(input('What client ID needs to be deleted?'))

df1 = pd.read_csv('Client.csv')
clientclean = df1.loc[df1['PersonalID'] != clientid]
clientclean.to_csv('Client.csv', index=None)

理想情况下，我希望所有的值都与原始csv文件相同，但不包含用户输入的clientid行

真正让我困惑的是，它只发生在几列中，所以我不能完全理解一种模式。我需要切掉“.0”以便可以重新导入它，我觉得从一开始就可以最容易地防止它发生

---

谢谢

如果PersonalID是有问题列的标题，请尝试以下操作：

df1 = pd.read_csv('Client.csv', dtype={'PersonalID':np.int32})

编辑： 因为整数没有NaN值。 您可以在每个有问题的柱上尝试此操作：

df1[col] = df1[col].fillna(-9999) # or 0 or any value you want here
df1[col] = df1[col].astype(int)

---

您可以遍历每个值，如果它是一个数字

x

，则从中减去

int（x）

，如果此差值不是0.0，则将数字

x

转换为

int（x）

。或者，如果不处理任何非整数，可以将所有数字值转换为

int

s

对于后者的示例（当原始数据不包含任何非整数时）：

以前者为例（如果希望将非整数保留为非整数，但希望保证整数保留为整数）：

---

注意，上面的方法不是傻瓜式的：如果碰巧，原始数据集中的非整数列包含所有x.0000000的非整数，一直到小数点后最后一位，则此操作将失败。

这是一个数据类型问题

阿洛兹的评论把我引向了正确的方向。Pandas假设数据类型为float，添加了小数点

---

我在使用read_csv时将数据类型指定为object（来自Akarius的注释），这解决了问题。

它是字符串

“.o”

，还是作为浮点、十进制

.0

导入？您的描述中不清楚可能使用read\u csv函数的dtype参数就足以解决这个问题了吗？dtype={'PersonalID'：np.int32}根本的问题是没有对整数的

np.NaN

支持，因此如果您有一个包含数字和缺少值的列，它们将被强制转换为浮点，

12345

变成

12345.0

。小整数可以用

float64

完美表示，因此不必担心浮点相等比较的不精确性。它是一个浮点。例如，在一列中，一个值是“99”，但在代码中运行后，它转换为“99.0”，可能需要转换为

object

，因为您不能有一个缺少值的

int32

列。它实际上不是PersonalID列。我首先注意到它还有另外两列，都是整数。空值确实出现在这些列中，但您是对的，每个客户端都必须有一个clientid。如果每个客户端都有一个

clientid

，那么

pandas

在读取列时会将该列向下转换为整数。它以浮点形式存在的唯一原因是它无法将列强制转换为整数，但该列具有所有数字类型（以及缺少的）值，这些值可以安全地强制转换为

float

。如果是，是否保留na值？是的，我希望保留na值。我想知道它是否最容易使用。astype（object）将所有collams更改为object，并确保不会遗漏任何内容。

for index, row in df1.iterrows():
    for c, x in enumerate(row):
        if isinstance(x, float):
            df1.iloc[index,c] = int(x)

import numbers
import sys

for c, col in enumerate(df1.columns):
    foundNonInt = False
    for r, index in enumerate(df1.index):
        if isinstance(x, float):
            if (x - int(x) > sys.float_info.epsilon):
                foundNonInt = True
                    break
    if (foundNonInt==False):
        df1.iloc[:,c] = int(df1.iloc[:,c])
    else: