使用Pandas处理CSV时整数转为小数的问题解决咨询

核心原因 #

Pandas读取CSV时，若目标列包含混合类型（比如整数+空值），会自动将列转为float类型（因为原生整数类型无法存储空值），导致输出时整数变成带.0的小数。

具体解决思路 #

1. 读取时指定可空整数类型（推荐）

使用Pandas的Int64（大写I）可空整数类型，既能保留整数类型，又支持存储空值。修改读取代码：

import pandas as pd

# 读取时指定'Regular'列为可空整数类型
df = pd.read_csv(source, dtype={'Regular': 'Int64'})

# 执行替换操作
df['Regular'] = df['Regular'].replace({',': '_,'})

# 保存文件
df.to_csv(target, index=False)

2. 处理后转换列类型（适用于无空值的情况）

如果确认列中没有空值，可以在处理后将列强制转回整数类型：

import pandas as pd

df = pd.read_csv(source)

# 先替换操作，再转换类型
df['Regular'] = df['Regular'].replace({',': '_,'}).astype(int)

df.to_csv(target, index=False)

注意：如果列中有空值，astype(int)会报错，此时优先用第一种方法。

3. 保存时格式化输出（仅调整显示格式）

如果不需要改变DataFrame内部的类型，只是希望CSV文件中显示整数而非.0，可以在保存时指定格式化参数：

import pandas as pd

df = pd.read_csv(source)
df['Regular'] = df['Regular'].replace({',': '_,'})

# 格式化数值列，整数显示为整数，小数保留原格式
df.to_csv(target, index=False, float_format='%.0f')

此方法会将所有float类型的列都按整数格式输出，适合整列都是整数但被转为float的场景。

内容的提问来源于stack exchange，提问作者Vikas