Pandas含NaN列自动转浮点数，SDTM字符列LBORRES如何保留整数无小数

这个需求完全可以实现。你遇到的整数自动转带.0后缀的浮点数格式问题，根源是Pandas读取含缺失值的数值列时，会默认将列类型转换为float64，直接对该类型的整数值做字符串转换时就会出现格式异常，按以下方法调整即可解决：

核心修改方案 #

方案1：调整LBORRES字段的转换逻辑（改动最小，无需修改上游读入逻辑） #

把你原来给LBORRES赋值的代码替换为带类型判断的逻辑，示例如下：

for index, row in df.iterrows():
    for k,v in labos.iterrows(): 
        if row['ID'] != 'NULL' and f"{v['CATEGORY']}" == 'NFS':
            val = row[f"{v['VAR']}"]
            # 处理LBORRES的格式
            if val == 'NULL':
                lbor_val = ''
            else:
                # 数值类型做特殊处理
                if isinstance(val, (int, float)):
                    # 浮点数但为整数值的情况，去掉小数位
                    if isinstance(val, float) and val.is_integer():
                        lbor_val = str(int(val))
                    else:
                        lbor_val = str(val)
                else:
                    # 字符串类结果（positive/negative等）直接保留
                    lbor_val = str(val)
            # 写入新行
            tmp_df_laboratory = tmp_df_laboratory.append({
                ...
                'LBORRES' : lbor_val,
                'LBSTRESN' : val if val != 'NULL' else np.nan,
            },ignore_index=True)

方案2：从数据读入环节避免自动类型转换（更彻底，推荐） #

读取实验室数据csv时，指定所有结果列的类型为object，避免Pandas自动将含缺失值的整数列转成float：

# 读取时指定dtype，不确定结果列名的话可以直接全表按object读入
df_laboratory = pd.read_csv('./csv/source/biologie_labo.csv', delimiter=",", dtype=object).fillna('NULL')

这样读入的数值都会保留原始的字符串格式，直接赋值给LBORRES即可，不需要额外做类型判断。

注意事项 #

• 若你的数据量较大，建议避免使用iterrows遍历，可以改用apply或者矢量化操作提升效率，上述格式转换逻辑可以直接复用。
• 生成xpt文件前可以额外校验LBORRES列的格式，确认整数无.0后缀、文本结果正常、空值符合SDTM规范要求。

内容的提问来源于stack exchange，提问作者Mereva