Pandas read_excel读取大整数出错如何获取Excel原始精确值

• Excel存储常规数值采用IEEE 754双精度（64位）浮点数规范，这类浮点数可无偏差精确表示的整数上限为2^53 = 9007199254740992，超过这个阈值的整数无法被双精度浮点数精确存储，相邻可精确表示的整数间隔会随数值增大逐步提升到2、4、8甚至更高，你遇到的差值为4的偏差，就是数值到对应区间后浮点数精度间隔导致的。
• pandas.read_excel默认调用的解析引擎（旧版为xlrd，新版为openpyxl），默认读取逻辑会先将单元格数值转换为双精度浮点数，再根据推断转换为对应数据类型。只要经过浮点数中转这一步，精度损失就已经产生，后续哪怕强制转换为int64类型，丢失的精度也无法恢复。

不要走浮点数中转逻辑，直接解析xlsx文件内存储的原始数字文本再转整数即可，推荐两种可落地的方案：

方案1：使用calamine引擎（最简便） #

python-calamine是基于Rust开发的Excel解析库，作为pandas读取引擎时会直接解析xlsx压缩包内XML存储的原始数字文本，不会做浮点数中转，不会丢失大整数精度，且读取速度远快于openpyxl/xlrd。

1. 先安装依赖：

   pip install python-calamine
   

2. 读取文件时指定引擎和对应列的类型即可：

   import pandas as pd
   
   xlsx = pd.read_excel(
       "file.xlsx",
       sheet_name="samples",
       engine="calamine",
       dtype={"timestamp [us]": "int64"}
   )
   print(xlsx["timestamp [us]"][:1])
   

方案2：基于openpyxl手动读取（无需额外安装依赖） #

如果不想新增依赖，可以用openpyxl的只读模式加载文件，该模式下openpyxl会直接返回单元格存储的原始整数值，不会主动转浮点数：

from openpyxl import load_workbook
import pandas as pd

# 只读模式加载工作簿，data_only=True读取单元格计算后的值
wb = load_workbook("file.xlsx", read_only=True, data_only=True)
ws = wb["samples"]

# 提取表头
row_iter = ws.iter_rows(values_only=True)
headers = next(row_iter)
# 逐行提取数据
data = list(row_iter)

xlsx = pd.DataFrame(data, columns=headers)
print(xlsx["timestamp [us]"][:1])

注意：不要尝试对已经经过浮点数转换的数值做修正，这类精度损失是不可逆的，必须从读取环节避开浮点数中转逻辑。

内容的提问来源于stack exchange，提问作者Vishnu Nadhan