如何避免Pandas DataFrame导出CSV时ID变为科学计数法？

模拟DataFrame代码：

import pandas as pd
sof = pd.DataFrame({
    'id':['1580326032400705442181105','15803260000063243713608360','1580326343500677412104013','15803260343000000705432103406'],
    'class':['a','c','c','d']
})

使用to_csv导出后，ID列被自动转为科学计数法（如1.5803260324007E+24），有两个疑问：

1. 为何Python会将明显为object类型的列转换为数值格式？
2. 如何保留ID的原始格式？

已尝试的方法及问题：

• 使用float_format='%f'参数导出：

  sof.to_csv('path',float_format='%f',index = False)
  

  无效果。
• 将id列转为int再转string：

  sof['id'].astype(int).astype(str)
  

  报错：OverflowError: Python int too large to convert to C long

解答 #

1. 为什么object类型列导出后显示为科学计数法？ #

不是Python/pandas把object列转成了数值格式，pandas导出CSV时会完整保留字符串的原始内容。问题出在打开CSV的工具（比如Excel）：工具会自动识别长数字串为数值类型，但这类超长ID超出了工具数值类型的存储范围，于是自动用科学计数法显示。

2. 保留ID原始格式的解决方法 #

方法1：给ID列添加单引号前缀

让工具将ID识别为文本类型，避免自动转数值：

# 给每个ID前加单引号
sof['id'] = "'" + sof['id']
# 导出CSV
sof.to_csv('your_path/filename.csv', index=False)

打开CSV时，单引号会让工具（如Excel）将ID视为文本，完整显示原始内容。

方法2：使用quoting参数强制包裹非数值列

借助csv模块的参数，让pandas导出时用引号包裹所有非数值列，工具会识别为文本：

import csv
sof.to_csv('your_path/filename.csv', index=False, quoting=csv.QUOTE_NONNUMERIC)

方法3：确保ID列始终为字符串类型（避免不必要的类型转换）

你之前尝试转int再转string报错，是因为numpy的int类型有长度限制（受C long的范围约束），但Python原生的字符串完全可以存储超长ID，所以不需要转int，直接保持ID列的字符串类型即可。只要导出时确保列类型是object（字符串），再配合上面的方法，就能避免科学计数法问题。

内容的提问来源于stack exchange，提问作者Pradeep Chintapalli