求助：Python大数字复制后末尾4位变0及代码适配问题

需求与初始代码 #

最初需求：生成f列，规则如下：

• 当d列与e列值相同时，f列取当前行b列值
• 当d列与e列值不同时，f列取满足该行e列值与另一行d列值相同的对应行b列值

初始解决方案代码：

df['f'] = (df['b'].where(df['d'] == df['e'])
              .groupby(df['e']).transform('first')
              .astype(df['b'].dtype))
print(df)

测试数据适配问题 #

上述代码应用到测试数据集时无法运行，移除.astype(df['b'].dtype)后可正常执行。
测试数据集代码：

data = {
'column_1': [1, 2, 4, 2],
'column_2': [2, 3, 3, 2],
'column_3': ['value_1', 'value_2', 'value_3', 'value_4']
}
dff = pd.DataFrame(data=data)
print(dff)

修改后可运行的代码：

dff['column_4'] = (dff['column_3'].where(dff['column_1'] == dff['column_2'])
              .groupby(dff['column_2']).transform('first'))
print(dff)

实际数据问题：大数字截断 #

将修改后的代码应用到推特数据集时，出现大数字精度丢失：b列为超过15位的大数字，生成的f列末尾4位被截断为0000（例如1234567890123450000）。当前Python中b、d、e列数据类型为int64，已尝试在Excel中以文本格式保存，但问题仍存在。

解决方法 #

Python端处理：转为字符串避免精度丢失 #

int64无法精确表示超过2^53的整数（约16位数字），会自动丢失精度，需将列转为字符串类型：

1. 读取数据时指定类型
   从Excel读取数据时，直接指定列类型为字符串：

import pandas as pd
df = pd.read_excel('your_data.xlsx', dtype={'b': str, 'd': str, 'e': str})

2. 转换现有列类型
   若数据已加载到DataFrame，手动转换列类型：

df['b'] = df['b'].astype(str)
df['d'] = df['d'].astype(str)
df['e'] = df['e'].astype(str)

之后再执行生成f列的代码即可保留完整数字。

Excel端处理：确保文本格式生效 #

• 保存文件时，选中b、d、e列，设置单元格格式为「文本」后再保存
• 若已保存为数值格式，可通过公式=TEXT(A1,"0")转换为文本格式，再复制为值，避免直接改格式不生效的问题

内容的提问来源于stack exchange，提问作者SEan1820