这是个挺容易踩坑的Pandas细节问题，我来帮你理清楚来龙去脉：

为什么你的type_dict被修改了？ #

1. 重复列名的自动重命名机制：当Excel里存在重复列名（比如你的两个a列），Pandas在读取时会自动给后续重复的列添加后缀（比如.1、.2），最终DataFrame的列名会变成['a', 'a.1', 'b', 'c']——这是Pandas为了避免列名冲突的默认处理逻辑。
2. dtype参数的可变对象特性：你传入的type_dict是一个可变字典，而pd.read_excel内部会直接对这个传入的字典进行修改：它会把自动生成的新列名（比如a.1）添加到字典里，并且复用原列名对应的类型（这里就是str）。这就是为什么你打印type_dict.keys()会看到多出来a.1。

你可以再验证一下：打印type_dict.values()，会发现'a.1'对应的类型确实是str，和原a列的类型一致。

如何避免原字典被修改？ #

有几种简单的解决方案，按需选择：

1. 传入字典的副本 #

在调用read_excel时，传入type_dict的副本，这样Pandas修改的只是副本，原字典不会受到影响：

import pandas as pd
import pathlib
type_dict = {'a': str, 'b': str, 'c': str, }
if __name__ == "__main__":
    # 用.copy()创建字典副本传入
    df = pd.read_excel(pathlib.PurePath('./test.xlsx'), dtype=type_dict.copy())
    print(list(type_dict.keys()))  # 输出依然是['a', 'b', 'c']

2. 直接传入匿名字典 #

如果不需要复用type_dict变量，直接把字典写在dtype参数里，即使被修改也不会影响其他逻辑：

df = pd.read_excel(pathlib.PurePath('./test.xlsx'), dtype={'a': str, 'b': str, 'c': str})

3. 先读取再手动处理列名和类型 #

先不指定dtype读取数据，手动给重复列重命名后，再统一设置类型，这种方式更灵活：

df = pd.read_excel(pathlib.PurePath('./test.xlsx'))
# 手动给重复列改名，比如把第二个a改成a_dup
df.columns = ['a', 'a_dup', 'b', 'c']
# 统一设置各列类型
df = df.astype({'a': str, 'a_dup': str, 'b': str, 'c': str})

内容的提问来源于stack exchange，提问作者cdol