Pandas中重新初始化DataFrame未生效问题求助

问题根源 #

你用pd.DataFrame(df, dtype=object)只是把列的存储类型改成了object，但列里的每个元素本身还是float类型的数值，所以显示时依然会带小数点，不会自动变回整数。

可行解决方案 #

1. 修复类型（保留数值特性） #

如果列里的float是因为存在空值（NaN）导致Pandas自动识别为float，用可空整数类型处理：

# Pandas 1.0及以上支持，保留空值同时显示为整数
df['C9_O1'] = df['C9_O1'].astype('Int64')

# 若不需要保留空值，填充后转普通整数（示例用0填充，按需调整）
df['C9_O1'] = df['C9_O1'].fillna(0).astype(int)

2. 读取时直接指定类型（更高效） #

从源头解决，读取CSV时就指定列的正确类型：

# 列无空值时直接指定int
df = pd.read_csv(filename, low_memory=False, dtype={'C9_O1': int})

# 列有空值时指定可空整数类型
df = pd.read_csv(filename, low_memory=False, dtype={'C9_O1': 'Int64'})

3. 仅调整显示格式（转字符串） #

如果只是需要显示成整数样式，不需要数值运算，转成字符串：

df['C9_O1'] = df['C9_O1'].apply(lambda x: str(int(x)) if pd.notna(x) else x)

验证效果 #

执行转换后，用以下代码确认：

print(df['C9_O1'].dtype)
print(df['C9_O1'].head(165))

内容的提问来源于stack exchange，提问作者Sriram