我正在使用该pandas.read_excel()功能将Excel文件导入到熊猫数据框。
列之一是表格的主键：是所有数字，但以文本形式存储（Excel单元格左上角的绿色小三角形确认了这一点）。
但是，当我将文件导入pandas数据框时，该列将作为浮点导入。这意味着，例如“ 0614”变为614。
导入列时是否可以指定数据类型？我知道在导入CSV文件时这是可能的，但找不到的语法read_excel()。
我能想到的唯一解决方案是在Excel中的文本开头添加一个任意字母（将“ 0614”转换为“ A0614”），以确保将列作为文本导入，然后切掉“ A”在python中，因此我可以将其与我从SQL导入的其他表进行匹配。
Answers:
您只需指定转换器。我创建了具有以下结构的Excel电子表格：
names ages
bob 05
tom 4
suzy 3
“年龄”列的格式设置为字符串。加载：
import pandas as pd
df = pd.read_excel('Book1.xlsx',sheetname='Sheet1',header=0,converters={'names':str,'ages':str})
>>> df
names ages
0 bob 05
1 tom 4
2 suzy 3
str在这里看到了，但大概还有int很多-在源文档的任何地方都存在一个链接，该链接枚举了可能的可用转换器函数？
str在convertersdict中将列名设置为，然后打印时df.dtypes，该列的类型设置为objectnot str。有任何想法吗？甚至重要吗？
从开始v0.20.0，函数中的dtype关键字参数read_excel()可用于指定需要应用于列的数据类型，就像 read_csv()情况一样。
在同一个列名上一起使用converters和dtype参数会导致后者变得模糊起来，而前者会获得优先选择。
1）为了使其不解释dtypes而是传递其列的所有内容（如它们原来在文件中一样），我们可以将此arg设置为str或，object以便不弄乱数据。（一种情况是数字前导零，否则将丢失）
pd.read_excel('file_name.xlsx', dtype=str) # (or) dtype=object
2）它甚至支持dict映射，其中，keys构成列名称及其values相应的数据类型需要设置，尤其是当您要更改dtype所有列的子集的。
# Assuming data types for `a` and `b` columns to be altered
pd.read_excel('file_name.xlsx', dtype={'a': np.float64, 'b': np.int32})
read_excel（）函数具有转换器参数，您可以在其中将函数应用于某些列中的输入。您可以使用它来将它们保留为字符串。 说明文件：
用于在某些列中转换值的函数的字典。键可以是整数或列标签，值是具有一个输入参数，Excel单元格内容并返回转换后的内容的函数。
示例代码：
pandas.read_excel(my_file, converters = {my_str_column: str})
converters = {col: str for col in column_list} df = pd.read_excel('some_excelfile.xls', converters=converters)
如果您不知道数据框中的列数和名称，则可以使用此方法：
column_list = []
df_column = pd.read_excel(file_name, 'Sheet1').columns
for i in df_column:
column_list.append(i)
converter = {col: str for col in column_list}
df_actual = pd.read_excel(file_name, converters=converter)
其中column_list是您的列名的列表。
df = df.astype(str)会更好（更简单）。
conv = {x:str for x in pd.read_excel(fn,sheet_name='sheet1').columns}然后 df = pd.read_excel(fn,sheet_name='sheet1',converters=conv)
如果您不知道列名，并且想为所有列指定str数据类型：
table = pd.read_excel("path_to_filename")
cols = table.columns
conv = dict(zip(cols ,[str] * len(cols)))
table = pd.read_excel("path_to_filename", converters=conv)
nrows=1在第一个read_excel调用中添加内容可能会很有用，以避免不必仅获取标题就读取整个excel表。