前言：

pandas中读取csv文件通常使用pd.read_csv()函数，正常情况下给出文件路径即可读取数据，不过在某些特殊情况下，需要一些小技巧才能读取正确的内容

文本型和浮点数的混淆及处理

在处理股票交割单中遇到一个典型的问题，交割单中的原始数据如下：

image.png

df=pd.read_csv(file_address)

使用默认函数读取数据后并非我们预想的结果，把510300读取成了510300.0，即文本型数据转换成浮点数

image.png

强制某列按照某种类型进行读取，需要调用read_csv中的dtype参数，文档说明如下：
dtype : Type name or dict of column -> type, default None
Data type for data or columns. E.g. {‘a’: np.float64, ‘b’: np.int32} Use str or object together with suitable na_values settings to preserve and not interpret dtype. If converters are specified, they will be applied INSTEAD of dtype conversion.

即添加一个字典型参数，将需要强制转换类型的列和相应的类型标明即可，注意np.int32需要引入相关定义

import numpy as np
df=pd.read_csv(file_address,dtype={'证券代码': np.str})

image.png