编辑 - 由于我遇到的问题我决定最好的办法是检查列的长度是否为10位数，第一个字符是0，剥离0。任何人都有一个有效的方法吗？这是我到目前为止所想的。第二次编辑 - 我认为这是有效的。我仍然不明白为什么在某些日期文件中有前导0，当我将其作为对象阅读时，如果有人可以教育我。
aht [＆＃39; ivr_session＆＃39;] = aht [＆＃39; ivr_session_id＆＃39;]。astype（str）.apply（lambda x：np.where（（（len（x）== 10 ）＆amp;（x [0] ==＆＃39; 0＆＃39;）），x.lstrip（＆＃39; 0＆＃39;），x））
原始问题： 我的原始数据中有一列长度为9位，但如果我用dtype = {session_id：object}读取csv，则会突然显示前导0。
这是字符长度的value_count：
10 240392
9 10316
Name: session_id, dtype: int64
奇怪的是，如果我删除了dtype参数（这意味着pandas将数据推断为float）：
9 211451
10 39248
Name: ivr_session_id, dtype: int64
如果我在Excel中打开.csv文件并计算字符长度，则为9.什么导致在pandas中生成此前导0？实际列长度为9个字符。我试图将这个9位数的session_id与另一个具有相同密钥的文件合并。如果熊猫认为有10个字符，那么它将无法正常加入。
更疯狂的是，即使我没有将文件作为对象读取，本月1月11日和12日的数据仍显示10个字符。 csv显示9个字符。老实说，我不知道为什么两天都不正确，一切看起来都一样。
当float转换为字符串时，这会删除小数。原始数据在datetime列的末尾也填充了0，所以我也需要删除它们（解析日期有没有办法解决这个问题？）aht['session_id'] = aht['session_id'].astype(str).map(lambda x: x.split('.')[0])
aht['call_start'] = aht['call_start'].astype(str).map(lambda x: x.split(':000')[0])
aht['call_end'] = aht['call_end'].astype(str).map(lambda x: x.split(':000')[0])