使用Pandas读取CSV时，如何保持列中的前导零？

Question

我正在使用read_csv将研究数据导入熊猫数据框

我的主题代码是6个数字编码，其中包括出生日期。对于我的一些主题，这会导致一个前导为零的代码（例如“010816”）

当我导入Pandas时，前导零被去掉，列的格式为int64

是否有方法将此列导入为字符串

我尝试为列使用自定义转换器，但它不起作用-似乎自定义转换发生在Pandas转换为int之前

Answer 1

以下是一个简短、健壮且完全有效的解决方案：

只需定义变量名和所需数据类型之间的映射（字典）：

dtype_dic= {'subject_id': str, 
            'subject_number' : 'float'}

将该映射与pd.read_csv()一起使用：

df = pd.read_csv(yourdata, dtype = dtype_dic)

瞧

Answer 2

如果您有很多列，但不知道哪些列包含可能遗漏的前导零，或者您可能只需要自动化代码。您可以执行以下操作：

df = pd.read_csv("your_file.csv", nrows=1) # Just take the first row to extract the columns' names
col_str_dic = {column:str for column in list(df)}
df = pd.read_csv("your_file.csv", dtype=col_str_dic) # Now you can read the compete file

你也可以这样做：

df = pd.read_csv("your_file.csv", dtype=str)

通过这样做，您将所有列都作为字符串，并且不会丢失任何前导零

Answer 3

正如Lev Landau在this question/answer中指出的那样，对于read_csv函数中的某个列使用converters选项可能是一个简单的解决方案

converters={'column_name': lambda x: str(x)}

您可以在pandas.io.parsers.read_csvdocumentation中参考read_csv功能的更多选项

假设我有csv文件projects.csv，如下所示：

project_name,project_id
Some Project,000245
Another Project,000478

例如，下面的代码正在修剪前导零：

import csv
from pandas import read_csv

dataframe = read_csv('projects.csv')
print dataframe

结果:

me@ubuntu:~$ python test_dataframe.py 
      project_name  project_id
0     Some Project         245
1  Another Project         478
me@ubuntu:~$

解决方案代码示例：

import csv
from pandas import read_csv

dataframe = read_csv('projects.csv', converters={'project_id': lambda x: str(x)})
print dataframe

所需结果：

me@ubuntu:~$ python test_dataframe.py 
      project_name project_id
0     Some Project     000245
1  Another Project     000478
me@ubuntu:~$

在帮助他人时更新：

要将所有列作为str，可以这样做（从注释中）：

pd.read_csv('sample.csv', dtype = str)

要将大多数或选择性列作为str，可以执行以下操作：

# lst of column names which needs to be string
lst_str_cols = ['prefix', 'serial']
# use dictionary comprehension to make dict of dtypes
dict_dtypes = {x : 'str'  for x in lst_str_cols}
# use dict on dtypes
pd.read_csv('sample.csv', dtype=dict_dtypes)