使用Pandas处理含科学计数法列的CSV：转换为字符串格式并重新导出

当然可以实现这个需求！按照你说的思路，用Pandas读取CSV后处理再重新写入是最直接的方法，具体步骤如下：

步骤1：读取CSV文件 #

读取时这些科学计数法的数值会被Pandas识别为float64类型，直接读取即可：

import pandas as pd

# 替换为你的CSV文件路径
df = pd.read_csv("your_file.csv")

步骤2：将科学计数法列转为字符串格式 #

接下来把FIPS_BLOCK、FIPS_BLKGR、FIPS_TRACT这几列转换成不带科学计数法的字符串，这里有两种可靠的处理方式：

方法一：转整数再转字符串（适配纯整数场景） #

因为你的FIPS编码本质是整数，先把浮点数转为整数可以去掉多余的小数点，再转成字符串：

# 定义需要处理的目标列
target_cols = ["FIPS_BLOCK", "FIPS_BLKGR", "FIPS_TRACT"]

# 批量转换：先转整数消除小数，再转字符串
df[target_cols] = df[target_cols].applymap(lambda x: str(int(x)))

方法二：格式化字符串（兼容带小数的通用场景） #

如果后续遇到带小数的科学计数法数值，也可以用格式化语法直接生成完整的非科学计数法字符串，针对你的整数需求设置保留0位小数即可：

df[target_cols] = df[target_cols].applymap(lambda x: "{:.0f}".format(x))

步骤3：重新写入CSV覆盖原文件 #

最后将处理好的DataFrame写入原文件，记得设置index=False避免生成额外的索引列：

# 写入CSV并覆盖原文件
df.to_csv("your_file.csv", index=False)

最终效果 #

处理后你的CSV内容会变成这样：

FIPS_BLOCK,FIPS_BLKGR,FIPS_TRACT
551000000000000,551000000000,55100000000
551000000000000,551000000000,55100000000
551000000000000,551000000000,55100000000
551000000000000,551000000000,55100000000

这些列现在都是字符串类型的完整数值，不会再以科学计数法显示了。

内容的提问来源于stack exchange，提问作者DiamondJoe12