Pandas：将CSV中以点为千分符的字符串数字转为整数而非浮点数

以下是两种规范的处理方式，比正则替换更简洁可靠：

方法一：读取CSV时直接指定千分分隔符（推荐） #

pandas的read_csv自带thousands参数，可直接指定千分分隔符为点，读取时会自动将带点的价格解析为整数，从源头避免类型错误：

import pandas as pd

df = pd.read_csv('your_file.csv', thousands='.')

执行后df['price']的类型会是int64，无需后续转换，比如baz对应的1.200会直接解析为1200。

方法二：已读取为float后的补救处理 #

如果已经把数据读成了float类型（比如1.200被解析为1.2），可以先将数值转为固定三位小数的字符串，再替换点并转整数：

# 将float转为带三位小数的字符串
df['price'] = df['price'].apply(lambda x: f"{x:.3f}")
# 替换千分分隔符后转整数
df['price'] = df['price'].str.replace('.', '', regex=False).astype(int)

注意：这种方法仅适用于所有价格的千分分隔格式都是点后三位的场景（即所有≥1000的整数都采用三位分隔）。

内容的提问来源于stack exchange，提问作者ranemirusG