pandas的read_excel函数是否会意外修改Excel文件内的原始数据？

核心结论 #

• read_excel为只读操作，完全不会修改本地存储的原始Excel文件，所有观测到的类型转换都属于内存中DataFrame生成阶段的解析行为，原始文件无任何变动。
• 指定dtype=str仍出现Excel中TRUE转换为1、FALSE转换为False的问题，属于pandas的已知解析逻辑：底层解析引擎会先对Excel单元格执行内置类型推断，该步骤优先级高于dtype参数设定。Excel原生布尔值TRUE/FALSE会在推断阶段先被转换为Python的True/False布尔对象，后续应用dtype=str规则时，部分版本的pandas会将布尔型True强制转换为字符串'1'、False转换为字符串'False'，最终呈现出该现象。

解决方案 #

• 方案1（适配pandas ≥1.4.0版本）：新增convert_bool=False参数关闭布尔值自动转换逻辑，搭配dtype=str即可保留原始布尔值文本：

  df = pd.read_excel(DEFAULT_PATH_2_XLSX_FILE, dtype=str, convert_bool=False)
  

• 方案2（全版本通用）：使用converters参数强制对指定列/全部列执行字符串转换，该参数优先级高于内置类型推断，不会触发提前的布尔值转义：
  • 针对指定列生效的写法示例：

    # 对列名`业务列1`、`业务列2`强制转换为字符串类型
    df = pd.read_excel(DEFAULT_PATH_2_XLSX_FILE, converters={
        "业务列1": str,
        "业务列2": str
    })
    

  • 针对所有列生效的写法示例：

    # 先读取表头获取全量列名，再批量设置转换规则
    excel_obj = pd.ExcelFile(DEFAULT_PATH_2_XLSX_FILE)
    first_sheet = excel_obj.sheet_names[0]
    all_cols = excel_obj.parse(first_sheet, nrows=0).columns.tolist()
    df = excel_obj.parse(first_sheet, converters={col: str for col in all_cols})
    

• 方案3（临时应急）：无需修改代码的前提下，可提前将Excel中对应布尔值列的单元格格式修改为「文本」类型后再读取，也可规避自动类型转换。

内容的提问来源于stack exchange，提问作者Peter。