Pandas：保存再加载后user_pseudo_id值变更问题及解决方法

我有一个DataFrame，其中包含user_pseudo_id列，数据如下：

user_pseudo_id
2041513012.1676969234
2041513191.1677359234
2041513765.1677359510

该列数据类型为字符串。但使用以下代码保存并重新加载后：

df.to_csv(path_to_data, index=False)
df = pd.read_csv(path_to_data)

该列的值发生了变化，变为：

user_pseudo_id
2041513012.1676967
2041513191.1677360
2041513765.1677360

核心问题是pandas读取CSV时的自动类型推断：

• CSV文件本身不携带数据类型信息，pd.read_csv()会自动识别列的类型。你的user_pseudo_id列内容格式类似浮点数，被推断成了float64类型。
• float64的精度有限，最多只能精确表示15-17位有效数字，而你的原始字符串小数部分有10位，加上整数部分的10位，总有效数字超出了float64的精确范围，导致存储时出现精度丢失，加载后的值自然发生变化。

有两种可靠的解决方式：

1. 读取CSV时强制指定列类型为字符串 #

在pd.read_csv()中通过dtype参数指定user_pseudo_id列的类型为字符串，避免自动推断：

df = pd.read_csv(path_to_data, dtype={"user_pseudo_id": str})

2. 使用带类型信息的格式保存数据 #

如果需要长期保留数据类型信息，建议用Parquet、Feather这类支持类型存储的格式替代CSV：

# 保存为Parquet
df.to_parquet(path_to_data, index=False)
# 加载
df = pd.read_parquet(path_to_data)

这种方式不需要额外指定类型，能完整保留原始的字符串数据。

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