拼接Pandas两列时如何避免出现科学计数法

我明白你遇到的困扰了——明明已经把两列转成字符串再拼接，结果却出现了科学计数法，这确实挺让人意外的。问题的根源在于：当你对**超大整数类型（int64）的列直接使用astype(str)**时，Pandas可能会自动将其转换为科学计数法格式的字符串，而非完整的十进制数字字符串。

问题重现 #

先还原你的场景：

import pandas as pd

# 模拟你的DataFrame
dfoffers = pd.DataFrame({
    'FVID': [1000373197012497808],
    'vnum': [2]
})

print(dfoffers.dtypes)
# 输出：
# FVID    int64
# vnum    int64
# dtype: object

如果直接执行dfoffers['FVID'].astype(str)，你大概率会得到类似'1.0003731970124978e+17'的结果，这就是拼接后出现科学计数法的核心原因。

解决方案：确保大整数转字符串时保留完整格式 #

我们需要用更精确的方式将大整数列转换为字符串，避免科学计数法。这里提供两种可靠的方法：

方法1：使用apply配合整数格式化

通过lambda函数和f-string的整数格式化，强制将大整数转换为完整的十进制字符串：

# 转换FVID为完整整数格式的字符串
dfoffers['FVID_str'] = dfoffers['FVID'].apply(lambda x: f"{x:d}")
# vnum数值较小，直接转字符串即可
dfoffers['vnum_str'] = dfoffers['vnum'].astype(str)
# 拼接生成combo列
dfoffers['combo'] = dfoffers['FVID_str'] + dfoffers['vnum_str']

方法2：使用numpy.format_float_positional（适用于数值被隐式转为float的情况）

如果你的大整数列因某些原因被隐式转换为float类型，这个方法可以强制取消科学计数法：

import numpy as np

dfoffers['FVID_str'] = dfoffers['FVID'].apply(lambda x: np.format_float_positional(x, trim='-'))
dfoffers['vnum_str'] = dfoffers['vnum'].astype(str)
dfoffers['combo'] = dfoffers['FVID_str'] + dfoffers['vnum_str']

验证结果 #

执行上述方法后，你会得到预期的拼接结果：

print(dfoffers['combo'].head(1))
# 输出：0    10003731970124978082
# Name: combo, dtype: object

另外，提个小细节：你代码里的df.FVID应该改为dfoffers.FVID，避免因变量名不一致导致的错误。

内容的提问来源于stack exchange，提问作者Mark Ginsburg