大熊猫read_csv推断类型错误时数字错误

Question

默认情况下，pandas中的

read_csv读取一列缺少值的数字为Float64，并弄错了数字。我想了解为什么read_csv选择了不合适的数据类型，并且除了手动指定我想要的数据类型之外，是否还有其他解决方法。

我要导入的csv文件如下所示：

var1,var2
20190121080540088085780399,
20190121081907086084200299,-3510076284811963185
20190121082131086094750399,
20190121082828088034200299,
20190121083251091014220199,-8914359668388912530

而var2是read_csv无法正确读取的列

我使用read_csv导入文件，但未指定dtype =我自己：

import pandas as pd
df = pd.read_csv("/Outputs/test.csv").fillna(0) # read the file
df["var3"]=df["var2"].astype("int64")  # var3 displays the var2 as Int
df

它为var2返回错误的值：

                         var1          var2                 var3
0  20190121080540088085780399  0.000000e+00                    0
1  20190121081907086084200299 -3.510076e+18 -3510076284811963392
2  20190121082131086094750399  0.000000e+00                    0
3  20190121082828088034200299  0.000000e+00                    0
4  20190121083251091014220199 -8.914360e+18 -8914359668388912128

var2没有正确的值（例如-3510076284811963392而不是-3510076284811963185）。我怀疑是因为float64不足以容纳这些大数字。

df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 5 entries, 0 to 4
Data columns (total 3 columns):
var1    5 non-null object
var2    5 non-null float64
var3    5 non-null int64
dtypes: float64(1), int64(1), object(1)
memory usage: 192.0+ bytes

==>为什么read_csv不为var选择合适的数据类型？例如var1，dtype是object，可以。 有什么方法可以强制to_csv读取大数字而不是float64作为对象？ 我可以自己指定dtype ...但是我想避免这样的情况，即使我希望编写一个函数，即使列名更改，我也可以重用。