※ 引述《nepholi (我不是炮哥)》之铭言： : Hi all, : 小弟刚接触Py没多久 : 经历只有用google大神边查边学基本语法 : 然後只拚出一套暴力型爬虫 : 所以可能有些东西不知道怎麽查或找错方向再请各位指教 : 这次要处理一笔资料是excel档要转成csv给後续一支正常运作中的C++读取 : 其中excel的内容为 (以下为虚构) : 部门 | 卡号 | 名字 | 时间 | : ABC | 00010 | John | 2019/12/25 08:00:01 | : ABC | 00011 | Tom | 2019/12/25 08:02:55 | : ..以此类推 : 用最直接的写法 : df = pd.read_excel('test.xlsx', usecols="A:D", dtype={'卡号':str}) : 可以成功读进我想要的资料及型态 : 1.卡号为str (为了保留完整五位数) : 2.日期为datatime : 然後 : df.to_csv('hello.csv', index=None, header=True, encoding='utf-8-sig', : quoting=csv.QUOTE_NONNUMERIC) : 这句跑完之後产出的csv其中卡号跟日期栏位却不是我想要的5位数及显示秒数 : 而是 : 部门 | 卡号 | 名字 | 时间 | : ABC | 10 | John | 2019/12/25 08:00 | : ABC | 11 | Tom | 2019/12/25 08:02 | : 我有想过是不是csv的储存格格式造成 : 日期的部分证实的确是 : 但卡号的部分被预设为"通用格式"导致我的卡号被去掉了前置0 ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ 据我所知，如果你在使用 pandas 读入档案的时候已经有使用 dtype， 或者在後续操作 dataframe 时，有透过 astype 将资料表内容转为字串格式的话。 那麽在最後使用 to_csv() 转换成 csv 格式的纯文字档是不会格式跑掉的。 由於你提到了「通用格式」，那麽最有可能造成被截去前方零位的原因， 是使用了 Excel, Numbers 或是 LibreOffice 这类试算表软体去打开 csv 档 如果你没有特别规定读入时要进行的格式操作， 这些软体通常会自作聪明地替你处理。 --- 关於 csv 档，我们可以看一下 Wiki 上面的说明： 逗号分隔值 （CSV, Comma-Separated Values），其档案以纯文字形式储存表格资 料（数字和文字）。纯文字意味着该档案是一个字元序列，不含必须像二进位数字 那样被解读的资料。 因为通常可以用表格形式表现，所以可以用试算表软体打开，但是本质是纯文字 。建议使用纯文字的编辑器，比如：记事本、notepad++、Sublime Text 或者是 VS Code 去开，看看这些数值是不是带有 leading zero，如果有的话就不用管 他了，你转换的档案是正确的，只是试算表自己自作聪明而已，对於後续用 C++ 操作是不会有影响的。 至於日期的部份，你也可以同样在读入时存成字串就不会有这个问题了。 : 不晓得有没有办法可以在python的code里面去设定这个呢 : 我找了pandas的官网说明to_csv但无斩获 : 不知道是不是我误会或漏看了.. : 感谢XD : P.S. 因为C++里面读取卡号後并没有预设要做补0的动作 : 所以希望能在py这部分就处理掉 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 140.112.247.1 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Python/M.1577247803.A.76C.html 这好像跟我的理解有所不同，如果是浮点数的话，会取到小数点後的最大有效值 ，比如说： 1.903900 -> 1.9049 2.410000 -> 2.41 3.541130 -> 3.54113 如果是整数的话，出来应该依然还是整数而不会被转换。另一个可能的状况是由 於有 NaN 的存在所进行的型态转换： https://bit.ly/2Qev3Iy > In the absence of high performance NA support being built into NumPy > from the ground up, the primary casualty is the ability to represen > NAs in integer arrays. > > This trade-off is made largely for memory and performance reasons, > and also so that the resulting Series continues to be “numeric”. > > If you need to represent integers with possibly missing values, use > one of the nullable-integer extension dtypes provided by pandas: > > Int8Dtype, Int16Dtype, Int32Dtype, Int64Dtype 转字串应该会比较快一点... 试算表工具可以拿来开启 csv 档案，但 csv 档案并不具备试算表的详细格式， 这是很多人常常会搞不清楚的，要用试算表开启 csv 档案，建议使用汇入的方 式而非直接开启，除此之外建议保存时另存新档。 甚至我之前也有遇过 Excel 汇入 csv 之後，他的 parser 抓错没有成功汇入的 状况。 ※ 编辑: Hsins (140.112.247.1 台湾), 12/25/2019 18:26:21