使用df.to_csv时如何保留字符串格式（如0001）？

这是处理CSV文件时非常常见的格式丢失问题——你的ticker列里的0001本质是带前导零的字符串，但Pandas默认会把它识别为数值类型，导出到CSV时就会自动去掉前导零变成1，重新读取自然就拿不到原格式了。下面是几个直接有效的解决办法：

方法1：导出前将ticker列转为字符串类型 #

最稳妥的方式是先确保列的类型是字符串，再导出：

# 将ticker列转换为字符串类型
df['ticker'] = df['ticker'].astype(str)
# 导出CSV，建议加上index=False避免导出索引列（按需选择）
df.to_csv('df.csv', index=False)

这样导出的CSV里，ticker列会以0001的纯文本形式保存，重新读取时Pandas会默认识别为字符串，保留前导零。

方法2：导出时用formatters参数强制格式化 #

如果你的ticker列原本是数值类型（比如整数），可以直接在导出时指定格式化规则，强制输出为带前导零的格式：

# 针对ticker列，格式化4位数字，不足位数用0补全
df.to_csv('df.csv', index=False, formatters={'ticker': lambda x: f'{x:04d}'})

这个方法不需要修改原DataFrame的列类型，直接在导出阶段完成格式保留。

补充：如果已经导出了CSV，读取时修复 #

要是你已经导出了错误格式的CSV，也可以在读取时指定列的类型为字符串来恢复：

import pandas as pd
# 读取时指定ticker列的dtype为字符串
df = pd.read_csv('df.csv', dtype={'ticker': str})

原理说明 #

CSV是无类型的纯文本文件，Pandas在导出时会根据列的原始类型决定存储格式：数值类型会被存为不带前导零的数值文本，而字符串类型会完整保留原始字符内容。所以核心思路就是让Pandas把ticker列当成字符串来处理（要么提前转类型，要么导出时强制格式化）。

内容的提问来源于stack exchange，提问作者Timothy Lombard