Pandas读取CSV时数值列出现多余.0的问题及疑问

疑问1：为何CSV文件存在空行时，数值列会出现.0？ #

当CSV中存在空行时，对应行的Order No.列单元格为空值。Pandas读取数据时，整数类型无法存储空值，因此会自动将该列的数据类型从int转换为float（因为float类型可以用NaN表示空值）。原本的整数会被强制转换为浮点数形式，所以输出时就会带上.0。

疑问2：为何重命名列后无法成功转换数据类型？ #

你尝试的v_df[['Order_Id']] = v_df[['Order_Id']].values.astype('str')并不是转换失败，而是转换逻辑不对：

• 此时Order_Id列的 dtype 是float，直接转字符串会把149545961155429.0这种浮点数原样转为字符串，自然保留.0。
• 另外，用.values返回的是numpy数组，直接赋值会绕开Pandas的类型推断，但核心问题是没先处理浮点数的小数部分。

解决方案（去除.0） #

方案1：读取阶段直接指定原列类型（推荐） #

不需要纠结重命名的问题，先在读取CSV时指定原列Order No.的类型，之后再重命名即可：

import pandas as pd

# 方法A：指定为字符串类型
v_df = pd.read_csv('csvfile', delimiter=';', dtype={'Order No.': 'str'})
v_df = v_df.rename(columns={'Order No.': 'Order_Id'})

# 方法B：指定为可空整数类型（Pandas 1.0+支持）
v_df = pd.read_csv('csvfile', delimiter=';', dtype={'Order No.': 'Int64'})
v_df = v_df.rename(columns={'Order No.': 'Order_Id'})

这样读取后的数据不会出现.0，空行对应的值会显示为NaN（方法B）或空字符串（方法A）。

方案2：读取后处理列数据 #

如果已经读取完数据，可通过以下方式去除.0：

方式1：转为可空整数后转字符串

# 先将float列转为可空整数（自动去掉.0），再转字符串
v_df['Order_Id'] = v_df['Order_Id'].astype('Int64').astype('str')
# 替换空值显示为你需要的内容，比如空字符串
v_df['Order_Id'] = v_df['Order_Id'].replace('NaN', '')

方式2：直接处理浮点数转字符串

# 对非空值取整后转字符串，空值留空
v_df['Order_Id'] = v_df['Order_Id'].apply(lambda x: str(int(x)) if pd.notna(x) else '')

方案3：跳过CSV中的空行 #

如果空行没有业务意义，可以直接在读取时跳过：

v_df = pd.read_csv('csvfile', delimiter=';', skip_blank_lines=True)
v_df = v_df.rename(columns={'Order No.': 'Order_Id'})
# 若仍有带空格的"伪空行"，可读取后删除全空行
v_df = v_df.dropna(how='all')

这样列会保持整数类型，不会出现.0。

内容的提问来源于stack exchange，提问作者WAQ