Pandas字段转字符串时出现.0后缀、nan字符串如何解决

• 数值带.0后缀：包含空值的数值列在pandas中默认会被存储为float64类型（pandas 1.0版本前原生整数类型不支持空值存储），直接对float类型列执行astype(str)时，整数值的浮点数会自动保留.0后缀。
• 出现字符串"nan"：直接对包含np.nan的列做字符串转换时，空值会被转为字符串"nan"，不再是空值类型。
• 你之前的代码无效：链式切片my_df[my_df['ID_1'].notnull()].ID_1生成的是DataFrame副本，在副本上做的类型转换没有赋值回原DataFrame，原列数据没有任何修改。

方案1：读入Excel阶段直接处理（推荐，从源头避免问题） #

用read_excel的converters参数指定ID列的转换规则，不需要读完后二次转类型：

import pandas as pd
import numpy as np

def id_convert(value):
    # 统一识别所有空值形式
    if pd.isna(value) or str(value).strip() in ('', 'None', 'nan'):
        return np.nan
    # 浮点数转整数后再转字符串，自动去掉.0后缀
    return str(int(float(value)))

my_df = pd.read_excel(
    "你的源文件路径.xlsx",
    converters={
        "ID_1": id_convert,
        "ID_2": id_convert
    }
)

方案2：已读入DataFrame的修复方式 #

不要在切片副本上操作，把处理结果直接赋值回原列：

import pandas as pd
import numpy as np

# 统一替换所有形式的空值为标准np.nan
for col in ["ID_1", "ID_2"]:
    my_df[col] = my_df[col].replace(["None", "nan", ""], np.nan)
    # 非空值转浮点数→整数→字符串，空值保留np.nan
    my_df[col] = my_df[col].apply(lambda x: str(int(float(x))) if pd.notna(x) else np.nan)

如果你使用pandas 1.0及以上版本，也可以用可空整数类型简化处理：

for col in ["ID_1", "ID_2"]:
    my_df[col] = (
        my_df[col]
        .replace(["None", "nan", ""], np.nan)
        .astype("Int64")  # 大写I的可空整数类型，支持存储pd.NA
        .astype(str)
        .replace("<NA>", np.nan)  # 把转字符串后生成的<NA>换回标准空值
    )

内容的提问来源于stack exchange，提问作者funkurlif3