如何让Pandas read_csv保留整数列类型，避免因NaN转为浮点数

关于“读取时全部设为object类型”的问题 #

可以通过pd.read_csv('file.csv', dtype=object)实现，但不推荐这种做法：

• 所有列会被强制转为字符串/混合类型，后续做数值计算（比如求和、统计分析）时需要手动转换类型，非常繁琐；
• 占用更多内存，处理大数据集时性能会明显下降。

更优方案：自动保留整数列类型（带空值），同时保留浮点列 #

方法1：高版本Pandas直接用dtype_backend参数（推荐） #

如果你的Pandas版本≥1.4.0，可以直接在读取时指定dtype_backend='numpy_nullable'，Pandas会自动识别列的真实类型：

• 原本是整数且包含空值的列，会自动转为可空整数类型Int64（保留整数特性，同时支持NaN）；
• 原本是浮点数的列，会保留为Float64类型；
• 字符串列不受影响。

代码示例：

import pandas as pd

df = pd.read_csv('your_file.csv', dtype_backend='numpy_nullable')

方法2：低版本Pandas手动识别转换 #

如果Pandas版本较低，读取后可以遍历列，判断浮点列是否实际为整数（非空值都是整数），再转为可空整数类型：

import pandas as pd
import numpy as np

df = pd.read_csv('your_file.csv')

for col in df.columns:
    # 仅处理浮点类型的列
    if df[col].dtype == np.float64:
        # 检查该列非空值是否全部为整数
        if pd.api.types.is_integer_dtype(df[col].dropna()):
            # 转为可空整数类型
            df[col] = df[col].astype('Int64')

这个逻辑会自动区分“因空值被转成float的整数列”和“原本就是浮点的列”，只转换前者。

内容的提问来源于stack exchange，提问作者user173729