Python如何将科学计数法格式的数值转换为普通数字格式？

核心原理 #

直接使用Python原生float类型转换会丢失精度：双精度浮点数最多仅支持15-17位有效数字存储，遇到示例中带超长有效数位的科学计数法值时会自动截断，无法还原全部数位。要完整保留有效数位，必须全程使用高精度十进制逻辑处理，避免浮点数精度损失。

具体实现 #

1. 单值转换 #

使用Python标准库decimal模块完成转换，该模块支持任意精度十进制运算，不会出现浮点数截断问题。注意转换前必须保证科学计数法值为原始字符串格式，不能提前转为float类型。

from decimal import Decimal

# 原始科学计数法字符串（直接从CSV读取的原始文本，未经过数值类型转换）
sci_value = "1.9450192304123456789012e+11"
# 转高精度十进制对象
dec_value = Decimal(sci_value)
# 格式化为无科学计数法的普通数字字符串
normal_value = format(dec_value, 'f')

print(normal_value)
# 输出结果：194501923041.23456789012，所有有效数位完整保留

2. CSV批量处理（pandas场景） #

读取CSV时禁止pandas自动将目标列推断为浮点数类型，先按字符串读入原始值，再批量转换：

import pandas as pd
from decimal import Decimal

# 读取时指定目标列为字符串类型，关闭自动类型推断
df = pd.read_csv("your_data.csv", dtype={"存科学计数法的列名": str})

# 整列批量转换为普通数字格式
df["存科学计数法的列名"] = df["存科学计数法的列名"].apply(
    lambda x: format(Decimal(x.strip()), "f") if pd.notna(x) else x
)

# 导出文件时不会出现科学计数法，也不会丢失有效数位
df.to_csv("converted_result.csv", index=False)

避坑提示 #

• 禁止先将科学计数法字符串转为float再做格式转换：转float的瞬间超出双精度存储范围的有效数位就会被截断，后续操作无法恢复丢失的精度。
• 转换前先确认CSV原始文件的存储内容：如果CSV源文件里存的本身就是截断后的短科学计数法（如仅存1.945019e+11，没有后续有效数位），任何方法都无法还原丢失的数位，需要从CSV导出源头保证原始值完整写入。
• 不要直接用int()强转：整数类型有长度上限，且会直接丢弃小数部分的有效数位，不适用带小数位的数值场景。

内容的提问来源于stack exchange，提问作者jokballer