如何用Pandas read_excel避免空单元格使列变为浮点数？

问题核心原因是：当Excel列中存在空单元格时，Pandas会将空值识别为NaN，而标准整数类型（int）无法存储NaN，因此Pandas会自动将整列转换为浮点型（float64），导致导出CSV时整数显示为1.0而非1。

以下是几种可行的解决方法：

方法1：读取时指定支持缺失值的整数类型 #

使用Pandas的nullable整数类型（Int64，注意大写的I），它允许列中同时存在整数和NaN，不会自动转为浮点型：

import pandas as pd
# 替换为你的Excel文件路径和目标列名
df = pd.read_excel("your_file.xlsx", dtype={"目标列名称": "Int64"})
# 导出CSV，index=False避免生成索引列
df.to_csv("output.csv", index=False)

这种方式下，整数会保持1的格式，空单元格导出后显示为空（而非NaN），符合预期。

方法2：读取后转换列类型 #

如果不确定需要处理的列名，或者需要批量处理多列，可以在读取后将目标列转换为Int64类型：

import pandas as pd
df = pd.read_excel("your_file.xlsx")
# 替换为你需要处理的列名列表
target_cols = ["列1", "列2", "列3"]
df[target_cols] = df[target_cols].astype("Int64")
df.to_csv("output.csv", index=False)

方法3：禁用空值过滤（慎用） #

通过na_filter=False参数，让Pandas将空单元格识别为空字符串而非NaN，这样列类型会变为object，整数不会被转为浮点型：

import pandas as pd
df = pd.read_excel("your_file.xlsx", na_filter=False)
df.to_csv("output.csv", index=False)

⚠️ 注意：这种方法会将所有空值（包括真正的缺失值）都转为空字符串，可能会影响后续的数据处理，仅在确认Excel中的空单元格都是无意义的空白时使用。

内容的提问来源于stack exchange，提问作者Veiko