使用pandas read_excel读取含文本Excel时如何定义浮点精度？

本人刚接触Python（有MATLAB和工程背景），接手的Excel文件包含表头区域和下方的数据区域，数据区包含数字、日期（对我不重要）和字符串。编写代码解析这些文件及工作表，转换为DataFrame以便后处理（类似MATLAB）。

使用pd.read_excel读取时，部分千分位、万分位、十万分位量级的小数值被读取为0整数而非浮点数。尝试过astype、dtype等转换方法，要么完全丢失字符串（需要用这些字符串定位解析逻辑），要么丢失问题列中的字符串，其他方法直接报错。

已确认Excel中的数据正常，无自身精度问题。需求是：在不破坏工作表中字符串的前提下，定义特定单元格或所有数字的浮点精度；小数值的单元格位置因工作表而异，硬编码位置或手动编辑Excel均不可行，需要优雅的解决方案。

编辑补充：经排查发现是引用了旧文件，更新文件路径后read_excel可正常读取预期值。

import pandas as pd
directory = r'C:\Data'
sheet = 'sheet1.xlsx'
importdata = pd.read_excel(directory, sheet_name=sheet, header=None)
print(importdata.loc[2,1]) # 当前输出：0
print(importdata.loc[1,1]) # 期望更高精度，如12.00000等，当前输出：12

如果排除文件路径引用错误的情况，若仍出现精度读取问题，可尝试以下方案：

• 读取时指定dtype=object保留原始数据类型，之后针对数字单元格单独处理精度：

  import pandas as pd
  
  def convert_to_precise_float(val):
      try:
          # 尝试转换为浮点数，保留6位小数
          return round(float(val), 6) if not pd.isna(val) else val
      except (ValueError, TypeError):
          # 非数字类型直接返回
          return val
  
  directory = r'C:\Data'
  sheet = 'sheet1.xlsx'
  # 以object类型读取，保留所有原始内容
  importdata = pd.read_excel(directory, sheet_name=sheet, header=None, dtype=object)
  # 对每个单元格应用转换函数
  importdata = importdata.applymap(convert_to_precise_float)
  
  print(importdata.loc[2,1]) # 输出0.001
  print(importdata.loc[1,1]) # 输出12.0
  

• 若仅需统一显示格式而非修改数据本身，可设置DataFrame的显示精度：

  pd.set_option('display.float_format', '{:.6f}'.format)
  print(importdata.loc[1,1]) # 显示为12.000000
  

内容的提问来源于stack exchange，提问作者squeaky-engineer