Python 如何在Int64上读取熊猫中的_csv而不丢失精度？

假设我们正在尝试读取此csv文件

导入io
作为pd进口熊猫
未处理的文件内容=“名称、印象、花费”
鲍勃，32,76岁
查理，16,48岁
迈克，，
Joao，16728922536906298“
熊猫\u数据类型={
“名称”：“字符串”，
“印象”：“Int64”，
“花费美元”：“浮动”，
}

如果我们正常读取它，pandas会转换

16728922536906298

->float->Int，导致它失去精度，变成

1672892253690304

df = pd.read_csv(io.StringIO(unprocessed_file_contents), dtype=pandas_dtypes)
assert df.iloc[3,1] == 167289225369306298  # this fails (and becomes 167289225369306304)

如果使用此方法读取，第一个断言将通过，但第二个断言失败

df = pd.read_csv(io.StringIO(unprocessed_file_contents), header=None, skiprows=1, dtype=pandas_dtypes)
assert df.iloc[3,1] == 167289225369306298  # passes (because it compares it as a pandas type)
assert int(df.iloc[3,1]) == 167289225369306298  # fails (and becomes 167289225369306304)

---

在

读取csv

的过程中，如何让pandas将

167289225369306298

作为一个整数？

这个问题似乎是由列中的NaN或空值引起的

通过消除这些空值，它开始按预期工作

import io
import pandas as pd

unprocessed_file_contents = """name,impressions,spend_usd
Bob,32,76
Charlie,16,48
Mike,42324,
Joao,167289225369306298,"""

pandas_dtypes = {
    "name": "string",
    "impressions": "Int64",
    "spend_usd": "float",
}

df = pd.read_csv(io.StringIO(unprocessed_file_contents), dtype=pandas_dtypes)
assert df.iloc[3,1] == 167289225369306298  # passes

还有一个关于这个的bug报告

---

不幸的是，我们仍然需要包含空数字。。。。