Python 自动将字符串列转换为浮点

如何防止pandas将字符串值转换为浮点值。列

账单单据。

和

销售订单

包含数字10-11位数字，这些数字将存储在MySQL表中的数据类型为CHAR（15）的列中。当我执行以下脚本时，我会在每个数字的末尾看到

.0

。我想在数据库中将它们视为字符串/字符。

Billing Doc.

字段包含的数字类似于

3206790137、3209056079、3209763880、3209763885、3206790137

谁存储在数据库中为

3206790137.0、3209056079.0、3209763880.0、3209763885.0、3206790137.0

。数据库中账单单据的列数据类型为

CHAR（15）

当我创建一个简单的df并打印它时，问题不会出现

import pandas as pd
df = pd.DataFrame({'Sales Order': [1217252835, 1217988754, 1219068439], 
                   'Billing Doc.': [3222102723, 3209781889, 3214305818]})
    >>> df
   Billing Doc.  Sales Order
0    3222102723   1217252835
1    3209781889   1217988754
2    3214305818   1219068439

但是，当我阅读excel并打印它时，该列被读取为float64

 file_name = "tmp/dataload/so_tracking.XLSX"
    df = pd.read_excel(file_name)
    print(df['Billing Doc.'])

680    3.252170e+09
681    3.252170e+09
682    3.252170e+09
683    3.252170e+09
684    3.252170e+09
685    3.252170e+09
686    3.252170e+09
687    3.252170e+09
688    3.252170e+09
689    3.252170e+09
690    3.252170e+09
.
.
.
694    3.251601e+09
695    3.251631e+09
696    3.252013e+09
697             NaN
698    3.252272e+09
699    3.252360e+09
700    3.252474e+09
.
.
Name: Billing Doc., dtype: float64

试试这个：

df = df.astype(str)

请注意，这是非常无效的

---

或者在将每个值插入查询之前将其转换为

int

，

我自己找到了解决方案，并将其发布到这里进行记录

df = pd.read_excel(file_name, converters={'Billing Doc.' : str})
print(df['Billing Doc.'])

695    3251631331
696    3252012614
697           NaN
698    3252272451
699    3252359504
700    3252473894
701           NaN
702           NaN
703           NaN
704    3252652940
705           NaN
706           NaN
707           NaN
708           NaN
Name: Billing Doc., dtype: object

---

类似的情况也发生在我身上，因为新列的索引与原始数据帧的索引不匹配，这导致了NaNs，这导致自动广播浮动。因此，请检查是否：

• 原始数据帧的索引与新列匹配
• 新列包含NAN

---

您能否将其浓缩成一个可复制的示例？其他人无权访问您的数据库或电子表格。因此，任何帮助的尝试都只是猜测。熊猫纯粹主义者可能不喜欢这种快速修复方法，但我使用了

pd.read\u csv（'file.csv'，dtype=object）

，它防止熊猫将数字转换为浮点数。我确信您可以用其他数据帧创建函数替换

read\u csv（）

。@PaulH我添加了一个示例。@pshep123。谢谢你的意见。它是一个.xlsx文件，无法转换为csv，因为我从其他地方获取它。不，我建议您使用

dtype=object

作为

read\u excel（）

参数。我还没有测试过，但可能值得一试。

df = pd.read_excel(file_name, converters={'Billing Doc.' : str})
print(df['Billing Doc.'])

695    3251631331
696    3252012614
697           NaN
698    3252272451
699    3252359504
700    3252473894
701           NaN
702           NaN
703           NaN
704    3252652940
705           NaN
706           NaN
707           NaN
708           NaN
Name: Billing Doc., dtype: object