pandas read_excel读取Excel时如何禁止数值列名转为float类型

pd.read_excel默认会自动推断表头的数据类型，纯数字内容的列名会被识别为数值类型，且会被转成float格式。后续调用列名的.str系列字符串方法时，非字符串类型的列名对应位置会返回NaN，对NaN做~取反操作就会抛出TypeError: bad operand type for unary ~: 'float'错误。

两种方案均适配列名无固定规则的场景，按需选择即可：

方案1：读取后统一转换列名类型（兼容性最好，适配绝大多数场景） #

读取完成后第一时间把所有列名强制转为字符串，可按需处理float转字符串带来的.0后缀，保证和Excel原始列名一致。

import pandas as pd

df = pd.read_excel(bytes(filedata), engine='openpyxl')
# 列名全转字符串，同时移除纯数字列名被误转float产生的.0后缀
df.columns = [
    str(col)[:-2] if str(col).endswith('.0') and str(col)[:-2].isdigit() 
    else str(col) 
    for col in df.columns
]

# 后续过滤Unnamed列的逻辑可正常执行
df = df.loc[:, ~df.columns.str.contains('^Unnamed')]

如果不需要严格对齐原始列名格式，可直接用更简洁的写法，仅解决报错问题：

df.columns = df.columns.astype(str)

注意这种写法下纯数字列名会变成2839238.0格式的字符串，后续做列名匹配时要统一格式。

方案2：读取阶段关闭自动类型推断，从源头避免列名转数值 #

读取时不自动识别表头，所有内容按字符串类型读入后手动设置列名，完全避开pandas的表头类型自动推断逻辑：

import pandas as pd

# 不自动识别表头，所有单元格按字符串读取，禁止自动转数值
df = pd.read_excel(bytes(filedata), engine='openpyxl', header=None, dtype=str)
# 提取第一行作为列名
df.columns = df.iloc[0].tolist()
# 移除已作为列名的第一行数据，重置索引
df = df.iloc[1:].reset_index(drop=True)

# 后续列名处理逻辑可正常执行
df = df.loc[:, ~df.columns.str.contains('^Unnamed')]

该方案能保证列名和Excel内的原始文本完全一致，不会出现.0后缀问题；如果文件存在合并单元格、多级表头，需要自行调整表头提取的逻辑。

• 由于列名无固定规则，不要尝试只针对特定列设置类型，全量处理列名类型是最稳妥的方案
• 如果后续需要做跨表列名匹配，务必保证所有表的列名格式统一，避免因为类型或.0后缀导致匹配失败

内容的提问来源于stack exchange，提问作者comonadd