pd.read_html读取HTML表格时CCCCCCC列逗号分隔数字被转为纯数字问题

问题原因 #

pd.read_html 默认启用了千位分隔符识别逻辑，会把仅由数字和逗号组成的内容判定为带千位分隔符的数值，自动去除逗号转换为整数类型；而带斜杠的内容无法被识别为数值，因此会保留原始字符串格式。

解决方案 #

调用pd.read_html时，添加thousands=None参数，关闭千位分隔符解析功能，目标列内容就会按原始字符串读取，不会自动移除逗号。

调整后Python代码 #

from bs4 import BeautifulSoup
import pandas as pd

soup = BeautifulSoup(html,'html.parser')
table = soup.find('div', attrs={'id':'MMMMMMMM'})
df_list = pd.read_html(str(table), header=1, thousands=None)
df_list

调整后运行代码即可得到你预期的保留逗号分隔格式的结果。

内容的提问来源于stack exchange，提问作者Mary