pandas导出csv时shop_ids列合并、user_id前导零丢失如何解决

问题原因 #

你遇到的两个异常（user_id前导0丢失、shop_ids被拆分为带千分位的大数字）并非pandas导出逻辑出错，而是Excel、Numbers等表格软件打开CSV时默认将纯数字串识别为数值类型，自动做了格式化处理。你可以用记事本、VS Code等文本编辑器直接打开导出的CSV验证，原始导出内容其实已经符合你的预期。

解决方法 #

场景1：保持shop_ids为单列导出 #

先将两列转为字符串类型，导出时强制所有字段用双引号包裹，避免表格软件自动识别为数值：

import csv
import pandas as pd

# 强制转换字段为字符串类型
df['user_id'] = df['user_id'].astype(str)
df['shop_ids'] = df['shop_ids'].astype(str)

# 导出CSV
df.to_csv(
    'users_ordered_shops.csv',
    index=False, # 不导出索引列
    quoting=csv.QUOTE_ALL, # 所有字段用双引号包裹，强制表格软件识别为文本
    encoding='utf-8-sig' # 适配Excel的编码识别，避免乱码
)

场景2：将shop_ids拆分为多列导出 #

如果需要把逗号分隔的shop_ids拆成独立列存储，可以用以下代码：

import csv
import pandas as pd

# 转换user_id为字符串
df['user_id'] = df['user_id'].astype(str)
# 拆分shop_ids为多列
shop_cols = df['shop_ids'].str.split(',', expand=True)
# 重命名拆分后的列
shop_cols.columns = [f'shop_id_{i+1}' for i in range(shop_cols.shape[1])]
# 合并为新表
result_df = pd.concat([df[['user_id']], shop_cols], axis=1)

# 导出CSV
result_df.to_csv(
    'users_ordered_shops_expand.csv',
    index=False,
    quoting=csv.QUOTE_ALL,
    encoding='utf-8-sig'
)

验证建议 #

导出后优先用文本编辑器打开确认内容正确性。如果需要用Excel编辑，不要直接双击打开CSV，而是通过Excel的「数据 > 自文本/CSV」功能导入，导入过程中将user_id、shop_id相关列的格式指定为「文本」即可完全避免自动格式化问题。

内容的提问来源于stack exchange，提问作者afs