如何阻止Python Pandas将指定int列导出时自动转换为float类型

你之前的操作未生效，核心是从数据库读取数据时，如果CID1、CID2列存在空值，pandas原生int类型不支持缺失值存储，会自动向上转型为float64类型。此时直接全量执行astype(str)会把整数值转为1234.0这类带小数点后缀的字符串，导出后自然不符合预期。

方案1：使用Nullable Int类型处理（支持存在空值的场景） #

pandas提供首字母大写的Int64类型（可空整数类型），既支持存储缺失值，又能保留整数格式，处理后再转字符串或直接导出都不会出现小数点后缀。

import pandas as pd
# 读取原始数据
data = pd.read_sql(sql, conn)
# 单独处理两列为可空整数类型
data['CID1'] = data['CID1'].astype('Int64')
data['CID2'] = data['CID2'].astype('Int64')
# 如需所有列转为字符串，再执行全量转换，此时两列不会带.0后缀
data = data.astype(str)
# 导出时新增na_rep参数，可将空值输出为空字符串，避免出现nan/NA内容
data.to_csv('data_feed_feed.txt', sep='\t', index=True, na_rep='')

方案2：直接转int处理（仅适用于两列无空值的场景） #

如果确认CID1、CID2不存在空值，可以直接将两列先转int再转字符串即可：

import pandas as pd
data = pd.read_sql(sql, conn)
# 单独处理目标列
data['CID1'] = data['CID1'].astype(int).astype(str)
data['CID2'] = data['CID2'].astype(int).astype(str)
# 其余列转字符串
other_cols = [col for col in data.columns if col not in ['CID1', 'CID2']]
data[other_cols] = data[other_cols].astype(str)
# 导出
data.to_csv('data_feed_feed.txt', sep='\t', index=True)

• 如果你不需要其余列必须为字符串格式，可以不用全量执行astype(str)，处理完目标列后直接导出即可，to_csv会默认按整数格式输出Int64类型的列
• 导出时添加na_rep参数可以自定义空值的输出内容，避免导出后出现不符合要求的nan/<NA>标识

内容的提问来源于stack exchange，提问作者JLAU1119