pandas如何保证读取的所有列均为字符串类型？为何dtype=str不生效

为什么dtype=str没有达到预期效果 #

出现这个问题的核心原因是空值解析规则：
pandas默认会将文件中识别到的空值（包括空单元格、NA、nan等默认空值标识）解析为NaN，而NaN本身属于float类型。就算指定了dtype=str，只要列中存在NaN，该列的元素就会混合字符串和float类型的NaN，取出空值对应的行时拿到的就是float类型的值，自然会在字符串拼接时报错。

如何确保读取的所有列都是字符串类型 #

可以根据使用场景选择以下任意一种方案：

• 方案1：读取时禁用默认空值解析规则
  新增keep_default_na=False参数，让pandas不把默认空值标识转换为NaN，所有空内容直接解析为空字符串，确保所有值都是字符串类型：

  df = pd.read_csv(file, sep='\t', dtype=str, low_memory=False, keep_default_na=False)
  

  如果文件里NA、nan这类字符串本身是有业务含义的有效值，该方案完全适用，不会出现误转问题。

• 方案2：使用pandas专属字符串类型（pandas 1.0及以上版本支持）
  把dtype=str替换为dtype="string"，这是pandas专门的字符串数据类型，空值会被解析为pd.NA（属于字符串类型的缺失标记，不是float类型）：

  df = pd.read_csv(file, sep='\t', dtype="string", low_memory=False)
  

• 方案3：读取后统一处理（适用于已经完成数据读取的场景）
  先把所有空值替换为空字符串，再统一转成字符串类型：

  df = df.fillna('').astype(str)
  

内容的提问来源于stack exchange，提问作者marlon