为何pandas.read_csv指定engine='python'时，数字点字符串的点会被移除？

这是Python引擎的正常行为，并非遗漏设置，核心原因是两个引擎处理thousands参数的逻辑顺序不同：

• C引擎：会先根据dtype指定或自动推断列类型，仅对被识别为数值类型的列应用千位分隔符的替换操作；对于指定为字符串类型的列，会直接保留原始文本内容，不会处理千位分隔符。
• Python引擎：会先全局对所有列执行千位分隔符的替换操作，再根据dtype进行类型转换。也就是说，哪怕你指定了某列为字符串类型，替换.的操作已经提前完成，最终读取的字符串自然会丢失所有点号。

解决方案 #

1. 优先使用C引擎（推荐）
   只要你的使用场景没有用到C引擎不支持的特性（比如复杂正则分隔符等），直接使用engine='c'就能得到符合预期的结果，就像测试代码中的df1一样。

2. 必须使用Python引擎时的替代方案
   分两步处理，先保留原始字符串，再手动处理数值列的千位分隔符：

   import pandas as pd
   import io
   
   data = "\"\"\"a;b;c\n0000.7995;16.000;0\n3.03.001.00514;0;4.000\n4923.600.041;23.000;131\"\"\""
   
   # 第一步：不指定thousands，读取所有列，a列保留原始格式
   df_raw = pd.read_csv(io.StringIO(data), sep=';', dtype={'a': str})
   # 第二步：手动替换数值列的千位分隔符并转换类型
   df_raw['b'] = df_raw['b'].str.replace('.', '').astype(int)
   df_raw['c'] = df_raw['c'].str.replace('.', '').astype(int)
   

   处理后的结果和C引擎的输出完全一致。

内容的提问来源于stack exchange，提问作者Flolen