使用pandas.to_csv保留NaN时为何出现数字丢失问题？

首先得说，正常情况下你贴的代码导出的CSV应该是完全正确的——第一行的number列就是完整的290122，不会平白无故丢两位。你遇到的这个问题，大概率是以下几个场景之一：

1. 读取工具的自动格式化搞的鬼 #

这是最常见的原因！很多工具（比如旧版Excel、某些轻量文本编辑器）在打开CSV时，会自作主张把数字列识别成其他类型，导致显示异常。举个例子：有些工具会把6位数字当成YYMMDD的日期格式，290122就会被解析成2029年1月22日，结果显示的时候只截了前四位2901；还有的工具会把长数字自动转成科学计数法，也可能出现显示截断的情况。

验证方法：用Notepad++、VS Code这类纯文本编辑器直接打开导出的CSV文件，查看原始内容。如果原始内容里290122是完整的，那就是工具显示的锅，不是pandas导出的问题。

2. 老旧pandas版本的bug #

如果你用的是非常老的pandas版本（比如0.1x系列），确实可能存在na_rep参数影响数值列导出的奇怪bug。毕竟早期pandas的CSV导出逻辑还没那么完善。

解决方法：把pandas升级到最新的稳定版（比如1.x或2.x系列），再跑一次导出代码试试，大概率就能解决。

3. 换行符/编码的兼容性问题 #

虽然你指定了encoding="utf-8"，但不同系统的换行符（Windows用CRLF，Unix/Linux用LF）可能被某些编辑器处理不当，导致行内容错位，看起来像是数字被截断。比如某一行的换行符没被正确识别，下一行的内容跑到了当前行，把最后两位覆盖了。

验证方法：用纯文本编辑器打开后，开启显示换行符的功能（比如VS Code里按Ctrl+Shift+P，输入Toggle Render Whitespace），看看每一行的结尾是不是正常的换行符。

4. 数据类型的隐性转换 #

虽然你给的原始数据里number列是整数，但有时候可能因为某些操作（比如之前处理过DataFrame）导致number列被转换成了float64或者object类型，这也可能影响导出时的格式。

验证方法：导出前先跑一下print(df.dtypes)，确认number列是int64类型。

针对性的解决办法 #

• 如果是工具显示问题：用Excel导入CSV时，手动把number列设置为文本格式；或者导出时给非数值列加引号，强制工具识别为文本，代码如下：

  import csv
  df.to_csv("df.csv", encoding="utf-8", index=False, na_rep="NULL", quoting=csv.QUOTE_NONNUMERIC)
  

• 如果是pandas版本问题：直接升级pandas，用pip install --upgrade pandas即可；
• 如果是换行符/编码问题：导出时指定换行符参数，比如lineterminator='\r\n'（适配Windows系统）。

内容的提问来源于stack exchange，提问作者Strickland