使用Pandas读取CSV时保留数据原始格式（含前导零）的方法

碰到过好多次这种情况！带前导零的编码、邮编这类数据，一用Pandas加载CSV就自动转成数字丢了前导零，确实头疼。下面给你几个实用的解决思路：

这是最简单直接的方法，在read_csv里通过dtype参数，把需要保留前导零的列明确指定为字符串类型：

import pandas as pd
# 假设你的CSV里有个叫zip_code的列需要保留前导零
df = pd.read_csv('your_data.csv', dtype={'zip_code': str})

这样加载后，"074050"就会原封不动地以字符串形式存在数据框里，不会被转换成数字。要是有多列需要处理，直接扩展字典就行，比如dtype={'col1': str, 'col2': str}。

如果需要更灵活的控制（比如想自动补全固定长度的前导零），可以用converters参数给指定列加个自定义转换函数：

def preserve_leading_zero(value):
    # 转成字符串后，用zfill补全到6位（适合邮编这类固定长度的场景）
    return str(value).zfill(6)

df = pd.read_csv('your_data.csv', converters={'zip_code': preserve_leading_zero})

要是不需要补零，只是单纯保留原始格式，函数里直接return str(value)就行。这个方法适合对格式有特殊要求的场景。

如果你的CSV里大部分列都需要保留原始格式，只有少数列要转成数值类型，可以先把所有列都读成字符串，之后再单独处理需要转数字的列：

df = pd.read_csv('your_data.csv', dtype=str)
# 比如把age列转成数值类型
df['age'] = pd.to_numeric(df['age'])

这种方式最稳妥，不用担心不小心漏掉某列的前导零。

小提醒 #

如果你的CSV里有空值，用dtype=str加载后空值会变成字符串"NaN"，要是想保留原始的空字符串，可以加上na_filter=False参数，但要注意这个参数会关闭Pandas对空值的自动识别，慎用哦。

内容的提问来源于stack exchange，提问作者AbdeAMNR