如何阻止Calamine读取Excel文件时自动推断数据类型？

Calamine的to_python()方法会自动推断Excel单元格的数据类型，导致原本的整数被解析为带.0后缀的浮点数。由于你的pandas版本不支持Calamine引擎，无法直接用dtype=str参数，你可以通过手动处理读取后的行数据来解决这个问题：

方法一：全局转换所有数据为字符串（处理整数型浮点数） #

遍历每一行的每个元素，将整数型浮点数转为整数后再转字符串，其他类型直接转字符串：

from calamine import CalamineWorkbook
import pandas as pd

fp = "你的Excel文件路径.xlsx"
wb = CalamineWorkbook.from_path(fp)
sheet = wb.get_sheet_by_name(wb.sheet_names[0])

# 读取所有行数据
all_rows = sheet.to_python()
# 分离表头和数据行（如果你的文件有表头）
header = all_rows[0]
data_rows = all_rows[1:]

processed_rows = []
for row in data_rows:
    processed_row = []
    for item in row:
        # 判断是否是整数型浮点数（如4200000000.0）
        if isinstance(item, float) and item.is_integer():
            processed_row.append(str(int(item)))
        else:
            # 其他类型直接转为字符串
            processed_row.append(str(item))
    processed_rows.append(processed_row)

# 转换为DataFrame
df = pd.DataFrame(processed_rows, columns=header)
print(df[col])  # 输出示例：4200000000

方法二：针对性处理指定列（提升效率） #

如果你明确知道哪些列需要处理，可以只转换目标列，避免遍历所有元素：

from calamine import CalamineWorkbook
import pandas as pd

fp = "你的Excel文件路径.xlsx"
wb = CalamineWorkbook.from_path(fp)
sheet = wb.get_sheet_by_name(wb.sheet_names[0])

all_rows = sheet.to_python()
header = all_rows[0]
data_rows = all_rows[1:]

# 指定需要处理的列索引（比如第0列和第2列，根据实际情况调整）
target_col_indices = [0, 2]

processed_rows = []
for row in data_rows:
    processed_row = list(row)
    for idx in target_col_indices:
        item = processed_row[idx]
        if isinstance(item, float) and item.is_integer():
            processed_row[idx] = str(int(item))
        else:
            processed_row[idx] = str(item)
    processed_rows.append(processed_row)

df = pd.DataFrame(processed_rows, columns=header)

原理说明 #

Calamine的to_python()会根据Excel单元格的存储类型自动映射为Python类型：如果单元格是数值类型（即使显示为整数），会被解析为浮点数。通过手动检查并转换这些整数型浮点数，就能得到和pandas指定dtype=str完全一致的字符串格式值。

内容的提问来源于stack exchange，提问作者euh