使用Pandas读取CSV时，如何在列中保持前导零？

Question

我正在使用read_csv将研究数据导入熊猫数据框。

我的科目代码是6个数字，其中包括出生日期。对于我的一些主题，这会产生一个前导零的代码（例如“010816”）。

当我导入到Pandas中时，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而不更改？

我尝试为列使用自定义转换器，但它不起作用-似乎自定义转换是在Pandas转换为int之前进行的

Answer 1

正如Lev Landau在this question/answer中指出的，对于read_csv函数中的某一列使用converters选项可能是一个简单的解决方案。

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

您可以参考pandas.io.parsers.read_csvdocumentation中的read_csv函数的更多选项。

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:~$

Answer 2

如果您有很多列，而您不知道哪些列包含前导零，可能会遗漏，或者您可能只需要自动化您的代码。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：

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

下面是一个更短、更健壮、工作更充分的解决方案：

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)

等一下！