将指数表示法数字转换为字符串 - 解释

I have DataFrame from 这个问题:

temp=u"""Total,Price,test_num
0,71.7,2.04256e+14
1,39.5,2.04254e+14
2,82.2,2.04188e+14
3,42.9,2.04171e+14"""
df = pd.read_csv(pd.compat.StringIO(temp))

print (df)
   Total  Price      test_num
0      0   71.7  2.042560e+14
1      1   39.5  2.042540e+14
2      2   82.2  2.041880e+14
3      3   42.9  2.041710e+14

如果转换floats to strings 落后0:

print (df['test_num'].astype('str'))
0    204256000000000.0
1    204254000000000.0
2    204188000000000.0
3    204171000000000.0
Name: test_num, dtype: object

解决方案是转换floats to integer64:

print (df['test_num'].astype('int64'))
0    204256000000000
1    204254000000000
2    204188000000000
3    204171000000000
Name: test_num, dtype: int64

print (df['test_num'].astype('int64').astype(str))
0    204256000000000
1    204254000000000
2    204188000000000
3    204171000000000
Name: test_num, dtype: object

问题是为什么要这样转换？

我添加了这个糟糕的解释，但感觉应该更好：

解释不佳:

你可以检查dtype转换后的列 - 它返回float64.

print (df['test_num'].dtype)
float64

转换为字符串后，它删除指数符号并转换为floats，所以添加了traling0:

print (df['test_num'].astype('str'))
0    204256000000000.0
1    204254000000000.0
2    204188000000000.0
3    204171000000000.0
Name: test_num, dtype: object

当您使用pd.read_csv导入数据且未定义数据类型时， pandas 做出了有根据的猜测，在这种情况下决定，该专栏 像“2.04256e+14”这样的值最好用浮点值表示。

转换回字符串后会添加一个“.0”。正如你目前所写的那样， 转换为 int64 可以修复此问题。

如果您知道该列仅在输入之前有 int64 值（并且 没有空值，np.int64 无法处理），您可以在导入时强制此类型以避免不必要的转换。

import numpy as np

temp=u"""Total,Price,test_num
0,71.7,2.04256e+14
1,39.5,2.04254e+14
2,82.2,2.04188e+14
3,42.9,2.04171e+14"""

df = pd.read_csv(pd.compat.StringIO(temp), dtype={2: np.int64})

print(df)

returns

   Total  Price         test_num
0      0   71.7  204256000000000
1      1   39.5  204254000000000
2      2   82.2  204188000000000
3      3   42.9  204171000000000