如何在Pandas中处理大整数？避免指数存储与数值截断

你的问题核心是float64精度限制和Pandas列类型自动推断的行为：

• 18位整数超过了float64的精确表示范围（float64仅能精确表示≤2^53≈9.007e15的整数），当列被自动推断为float64类型时，会丢失末尾精度，导致数值截断。
• 循环中用loc动态添加列时，Pandas默认会将列类型设为float64，即使你赋值的是Python整数（Python int支持任意精度，但Pandas会自动转换为兼容的NumPy类型，此时超出float64精度的部分会丢失）。

解决方案1：提前初始化列类型为Int64（推荐，支持数值运算） #

先创建指定类型的空列，避免Pandas自动推断为float64，确保整数精确存储：

import pandas as pd
import numpy as np

df1 = pd.DataFrame(data={'A':[123123123123123123, 234234234234234234, 345345345345345345], 'B':[11,22,33]})

# 提前初始化新列为Pandas可空整数类型Int64，支持精确存储np.int64范围内的整数
df1['new column'] = pd.Series(dtype='Int64')

for i in range(df1.shape[0]):
    df1.loc[i, 'new column'] = 222222222222222222

print(df1)

输出：

A   B       new column
0  123123123123123123  11  222222222222222222
1  234234234234234234  22  222222222222222222
2  345345345345345345  33  222222222222222222

解决方案2：用字符串类型存储（适合无需数值运算的场景） #

如果不需要对该列进行数值计算，可以直接存储为字符串，完全保留原始格式：

import pandas as pd
import numpy as np

df1 = pd.DataFrame(data={'A':[123123123123123123, 234234234234234234, 345345345345345345], 'B':[11,22,33]})

# 初始化为字符串列
df1['new column'] = ''

for i in range(df1.shape[0]):
    df1.loc[i, 'new column'] = str(222222222222222222)

print(df1)

输出：

A   B       new column
0  123123123123123123  11  222222222222222222
1  234234234234234234  22  222222222222222222
2  345345345345345345  33  222222222222222222

补充说明 #

• 之前的转换失败是因为：当列已经是float64类型时，精度已经丢失，再转成int64只能得到失真后的数值，无法恢复原始数据。必须在赋值前就指定正确的列类型。
• 如果你的18位整数超过了np.int64的范围（>9223372036854775807），则需要用object类型存储Python原生整数（但不推荐频繁运算，会影响性能），或者用字符串。

内容的提问来源于stack exchange，提问作者naseefo