如何阻止pandas读取Excel时将6E5类文本识别为数值？

我在开发读取96孔板细胞培养相关Excel多工作表并转为DataFrame的程序时，碰到个棘手问题：data1列里A2孔的"6E5"被pandas当成科学计数法识别成了6000000000.0，而不是保留原本的文本格式。试过把Excel列设为文本格式、检测到标题是"barcode"就强制按字符串加载，都没用；但把工作表存成CSV再读取就正常，说明问题出在pandas的Excel读取逻辑上。

期望的正确数据格式应该是这样：

试试这些解决办法：

• 直接指定列的字符串类型
  在pd.read_excel()里用dtype参数明确指定目标列的类型为字符串，不管是列名还是列位置都能操作：

  # 按列名指定data1为字符串
  df = pd.read_excel("your_file.xlsx", sheet_name="sheet1", dtype={"data1": str})
  # 按列位置指定（假设data1是第2列，索引从0开始）
  df = pd.read_excel("your_file.xlsx", sheet_name="sheet1", dtype={1: str})
  

• 用converters参数做强制转换
  给特定列设置转换器函数，确保读取时直接转成字符串：

  def to_str(value):
      return str(value)
  
  df = pd.read_excel("your_file.xlsx", sheet_name="sheet1", converters={"data1": to_str})
  

• 配合openpyxl引擎的data_only参数
  如果用openpyxl作为读取引擎，加上data_only=False能读取单元格的原始内容，避免被解析成计算后的科学计数法数值，再配合dtype指定：

  df = pd.read_excel("your_file.xlsx", sheet_name="sheet1", engine="openpyxl", data_only=False, dtype={"data1": str})
  

• 读取后针对性修正
  要是前面的方法还有漏网之鱼，读取后可以对data1列做批量修正，把误识别的数值转回去：

  # 针对6E5被识别成6000000000.0的情况修正
  df["data1"] = df["data1"].apply(lambda x: "6E5" if isinstance(x, float) and x == 6000000000.0 else x)
  # 更通用的处理：如果是浮点数且符合xE5的形式，转回文本
  df["data1"] = df["data1"].apply(
      lambda x: f"{int(x/100000)}E5" if isinstance(x, float) and x % 100000 == 0 else x
  )
  

内容的提问来源于stack exchange，提问作者Chris Fazekas