如何阻止Pandas读取Excel文件时自动转换字段数据类型

方法1：显式指定列类型（最推荐） #

通过dtype参数直接声明各列的读取类型，强制pandas跳过自动类型推断逻辑，严格按照指定类型加载数据：

import pandas as pd

df = pd.read_excel(
    path,
    dtype={
        "pmid": int,
        "gene": str,
        "disease": str,
        "label": str
    },
    parse_dates=False
)

方法2：通过转换器强制转换值格式 #

如果存在特殊格式内容、dtype指定不生效的场景，可以使用converters参数对目标列的每一个值做强制字符串转换：

df = pd.read_excel(
    path,
    converters={
        "gene": lambda x: str(x)
    },
    parse_dates=False
)

注意事项 #

如果以上方法仍不生效，可先升级pandas和对应excel读取依赖到最新版本：

pip install --upgrade pandas openpyxl

原理解释 #

parse_dates=False仅能阻止pandas主动将整列作为日期格式批量解析，但不会禁用pandas读取单元格时的默认自动类型推断逻辑。类似3.Oct、4.Sep这类符合英文月份缩写规则的字符串会被自动识别为日期时间类型，和字段原始含义冲突，必须通过显式指定类型的方式覆盖默认推断逻辑。

内容的提问来源于stack exchange，提问作者Keanu Paik