Python pandas读取tsv拼接列时locus_tag前导0丢失问题

pandas的read_csv方法默认会自动推断每列的数据类型，locus_tag列的内容全为数字格式，读取时会被自动识别为整数类型，而整数类型本身不存储前导零，读取完成后再调用astype(str)转换，只能得到丢失前导零的整数值对应的字符串，自然无法保留原始格式。
另外你贴的代码中PULs["genome_locus_tag]缺少后半段双引号，运行时会报语法错误，编写时需要补上。

有两种常用实现方案，优先选第一种：

• 方案1：读取文件时指定列类型（最稳妥）
  从读取阶段就避免类型自动推断的问题，不需要额外做补零处理，不管locus_tag长度是否一致都能正确保留原始值：

  import pandas as pd
  
  # 通过dtype参数指定locus_tag列为字符串类型
  PULs = pd.read_csv('PULs.tsv', sep='\t', dtype={'locus_tag': str})
  PULs["genome_locus_tag"] = PULs["genome"] + "_" + PULs["locus_tag"]
  print(PULs["genome_locus_tag"])
  

  运行后拼接结果会完整保留前导零，输出格式为PalbDSM11370_02121、PalbDSM11370_02122，完全匹配原始文件内容。
• 方案2：已读取完成的情况下补前导零
  如果已经加载完数据不想重新读取，且确认所有locus_tag原始长度固定（比如示例中均为5位），可以用zfill方法补回前导零：

  # 按5位固定长度在字符串前补零
  PULs["genome_locus_tag"] = PULs["genome"] + "_" + PULs["locus_tag"].astype(str).str.zfill(5)
  

内容的提问来源于stack exchange，提问作者aetobatus-narinari