Python 具有19位长整数的截断问题

我从web服务下载了一个CSV文件。当我使用pandas.read_csv导入csv时，19位长的ID被截断为小数。然后我使用

pd.options.display.float_format='{.6f}'。format

完整显示ID。然而，当我将ID与web服务中的ID进行比较时，python完全更改了最后3位数字，只保留了前16位数字。当我下载csv文件时，我以为是csv文件问题，但当我使用记事本打开它时，ID与web服务中的ID相同。我试过类似的东西

df = pd.read_csv(filepath, dtype={'ID':str})

及

但是这些代码不起作用

---

为了更好地说明我的问题，我附上了DataFrame的屏幕截图。有没有办法保持ID不变？谢谢。

对于我来说，默认解决方案正在工作，但可能需要

np.int64

：

df = pd.read_csv(filepath, dtype={'ID':np.int64})

如果可能，某些缺失值和版本为0.24+使用：

---

对于我来说，默认解决方案正在工作，但可能需要

np.int64

：

df = pd.read_csv(filepath, dtype={'ID':np.int64})

如果可能，某些缺失值和版本为0.24+使用：

---

I get ValueError:无法安全地将传递的int64用户数据类型转换为float64数据类型数据。我想这是因为某些单元格有NaN值。我仍然得到相同的值错误。@ShaunLim-您的pandas版本是

0.24+

？如果是，返回什么代码

ValueError

？-我正在使用Jupyter笔记本。现在的错误是“ValueError:Integer列在第11列中有NA值”（即ID列）。我尝试按块导入大文件，并导入没有NaN值的前N行，ID与Web服务的ID匹配。然后，我尝试从web服务下载前100,00行完全相同的数据，并将其编码为

df.fillna（{'ID'：0}）

，然后将其导入Jupyter笔记本，结果成功了！但问题是我从Databricks批量下载了数据，因此

df.fillna（{'ID'：0}）

不起作用，因为批量下载的代码不同。。。或者，也许有一种方法可以将

df.fillna（{'ID'：0}）

放入我不知道的批量下载代码中。但无论如何，至少现在我知道是NA值导致了这个问题。你知道怎么修吗？有没有一种方法可以同时导入文件和删除NA？我发现当我导入文件时，如果块在ID列中不包含NaN值，那么ID是可以的。ID列包含NaN值时，所有ID值都将更改为不同的数字（最后3-4位）。I get ValueError:无法安全地将传递的int64用户数据类型转换为float64数据类型数据。我想这是因为某些单元格有NaN值。我仍然得到相同的值错误。@ShaunLim-您的pandas版本是

0.24+

？如果是，返回什么代码

ValueError

？-我正在使用Jupyter笔记本。现在的错误是“ValueError:Integer列在第11列中有NA值”（即ID列）。我尝试按块导入大文件，并导入没有NaN值的前N行，ID与Web服务的ID匹配。然后，我尝试从web服务下载前100,00行完全相同的数据，并将其编码为

df.fillna（{'ID'：0}）

，然后将其导入Jupyter笔记本，结果成功了！但问题是我从Databricks批量下载了数据，因此

df.fillna（{'ID'：0}）

不起作用，因为批量下载的代码不同。。。或者，也许有一种方法可以将

df.fillna（{'ID'：0}）

放入我不知道的批量下载代码中。但无论如何，至少现在我知道是NA值导致了这个问题。你知道怎么修吗？有没有一种方法可以同时导入文件和删除NA？我发现当我导入文件时，如果块在ID列中不包含NaN值，那么ID是可以的。当ID列包含NaN值时，所有ID值都将更改为不同的数字（最后3-4位）。

df = pd.read_csv(filepath, dtype={'ID':'Int64'})