Python读取不同目录XLSX文件时数字类型不一致问题排查

嘿，这个问题我之前做新旧数据集对比的时候也踩过类似的坑，咱们一步步拆解来看：

首先可以明确：这个问题不全是numpy导致的，是Excel存储特性、不同库的读取策略共同作用的结果，numpy只是扮演了“背锅”的角色，具体原因如下：

1. Excel底层存储的隐形差异 #

哪怕你手动统一了单元格的显示格式，Excel底层对数值的存储可能还是不一样——比如有的单元格看起来是整数，但实际因为曾经编辑过（比如输入过小数再删掉），底层依然保留了浮点数的存储标记；或者某个文件的B列里存在空值/异常值，Excel自动把整列的存储类型改成了浮点。这种差异用肉眼看不到，但会被Python的读取库捕捉到。

2. 不同库的读取逻辑差异 #

• openpyxl：是逐单元格读取Excel的原始数据，会严格保留Excel单元格的原始类型（比如long整数、普通float），所以你看到第一个文件里B1是long、B15是float。
• pandas：默认会对整列的类型做统一推断，为了保证数据的一致性，它会用numpy的数值类型来存储（比如numpy.float64）——只要列里有一个浮点值，整列都会被转成numpy.float64类型，这就是第二个文件类型变化的核心原因。

3. numpy的角色 #

numpy是pandas存储数值数据的底层依赖，所以pandas统一类型时会用到numpy的类型，但这不是numpy主动“改变”了类型，而是pandas的类型推断策略选择了用numpy类型来统一存储。

针对数据集对比的解决方法 #

要顺利对比新旧数据集，核心是统一数值类型，这里给你几个实用方案：

方案一：读取时强制指定类型（推荐用pandas）

用pd.read_excel()的dtype参数直接指定列的类型，从源头统一：

import pandas as pd

# 强制把B列转成float类型，不管原始类型是什么
df_old = pd.read_excel("old_file.xlsx", dtype={"B": float})
df_new = pd.read_excel("new_file.xlsx", dtype={"B": float})

# 之后就可以直接对比了
diff = df_old["B"].compare(df_new["B"])

方案二：读取后统一转换类型

如果已经读取了数据，用astype()做批量转换：

# 转成float
df_old["B"] = df_old["B"].astype(float)
df_new["B"] = df_new["B"].astype(float)

# 如果需要整数，先处理空值再转换（避免报错）
df_old["B"] = df_old["B"].fillna(0).astype(int)
df_new["B"] = df_new["B"].fillna(0).astype(int)

方案三：用openpyxl读取后统一处理

如果坚持用openpyxl，可以遍历单元格统一转换类型：

from openpyxl import load_workbook

def standardize_cell_values(file_path):
    wb = load_workbook(file_path)
    ws = wb.active
    # 遍历B列的目标单元格（比如1到15行）
    for row in range(1, 16):
        cell = ws[f"B{row}"]
        if cell.value is not None:
            cell.value = float(cell.value)  # 统一转成float
    return wb

wb_old = standardize_cell_values("old_file.xlsx")
wb_new = standardize_cell_values("new_file.xlsx")

内容的提问来源于stack exchange，提问作者Sam Jinko