将pandas dataframe列导入为字符串而不是int

Question

我想将以下csv导入为字符串而不是int64。 Pandas read_csv自动将其转换为int64，但我需要将此列作为字符串。

ID
00013007854817840016671868
00013007854817840016749251
00013007854817840016754630
00013007854817840016781876
00013007854817840017028824
00013007854817840017963235
00013007854817840018860166


df = read_csv('sample.csv')

df.ID
>>

0   -9223372036854775808
1   -9223372036854775808
2   -9223372036854775808
3   -9223372036854775808
4   -9223372036854775808
5   -9223372036854775808
6   -9223372036854775808
Name: ID

不幸的是，使用转换器会产生相同的结果。

df = read_csv('sample.csv', converters={'ID': str})
df.ID
>>

0   -9223372036854775808
1   -9223372036854775808
2   -9223372036854775808
3   -9223372036854775808
4   -9223372036854775808
5   -9223372036854775808
6   -9223372036854775808
Name: ID

Answer 1

只想重申一下这将适用于pandas＆gt; = 0.9.1：

In [2]: read_csv('sample.csv', dtype={'ID': object})
Out[2]: 
                           ID
0  00013007854817840016671868
1  00013007854817840016749251
2  00013007854817840016754630
3  00013007854817840016781876
4  00013007854817840017028824
5  00013007854817840017963235
6  00013007854817840018860166

我正在创建一个关于检测整数溢出的问题。

编辑：请在此处查看解决方案：https://github.com/pydata/pandas/issues/2247

Answer 2

这可能不是最优雅的方式，但它可以完成工作。

In[1]: import numpy as np

In[2]: import pandas as pd

In[3]: df = pd.DataFrame(np.genfromtxt('/Users/spencerlyon2/Desktop/test.csv', dtype=str)[1:], columns=['ID'])

In[4]: df
Out[4]: 
                       ID
0  00013007854817840016671868
1  00013007854817840016749251
2  00013007854817840016754630
3  00013007854817840016781876
4  00013007854817840017028824
5  00013007854817840017963235
6  00013007854817840018860166

只需将'/Users/spencerlyon2/Desktop/test.csv'替换为文件路径

即可

Answer 3

从pandas 1.0开始，它变得更加简单。这会将列“ ID”读取为dtype“ string”：

pd.read_csv('sample.csv',dtype={'ID':'string'})

我们在此Getting started guide中可以看到，引入了'string'dtype（在将字符串视为dtype'object'之前）。