Я неНе думаю, что вы можете указать тип столбца так, как вы хотите (если нетОн был изменен сразу, и если 6-значное число не является датой, которую можно преобразовать в дату и время). Вы можете попробовать использоватьnp.genfromtxt() и создатьDataFrame оттуда.

РЕДАКТИРОВАТЬ: Взгляните на Уэса Маккинниблогможет быть что-то для вас. Похоже, что есть новый парсер изpandas 0.10 в ноябре.

Как указано вэтот вопрос / ответ отЛев Ландау, может быть простое решение для использованияconverters вариант для определенного столбца вread_csv функция.

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

Вы можете обратиться к большему количеству вариантовread_csv функция в pandas.io.parsers.read_csvдокументация.

Допустим, у меня есть CSV-файлprojects.csv как ниже:

project_name,project_id
Some Project,000245
Another Project,000478

Как, например, приведенный ниже код обрезает ведущие нули:

import csv
from pandas import read_csv

dataframe = read_csv('projects.csv')
print dataframe

Результат:

[email protected]:~$ python test_dataframe.py 
      project_name  project_id
0     Some Project         245
1  Another Project         478
[email protected]:~$

Пример кода решения:

import csv
from pandas import read_csv

dataframe = read_csv('projects.csv', converters={'project_id': lambda x: str(x)})
print dataframe

Требуемый результат:

[email protected]:~$ python test_dataframe.py 
      project_name project_id
0     Some Project     000245
1  Another Project     000478
[email protected]:~$

Если у вас много столбцов, и вы неНе знаете, какие из них содержат лидирующие нули, которые могут быть пропущены, или вам может потребоваться автоматизировать ваш код. Вы можете сделать следующее:

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

Вы также можете сделать:

df = pd.read_csv("your_file.csv", dtype=str)

Сделав это, вы получите все свои столбцы в виде строк, и вы выиграетене теряйте начальные нули.

Вот более короткое, надежное и полностью работающее решение:

просто определите отображение (словарь) между именами переменных и желаемым типом данных:

dtype_dic= {'subject_id': str, 
            'subject_number' : 'float'}

используйте это отображение с:pd.read_csv()

df = pd.read_csv(yourdata, dtype = dtype_dic)

и вуаля!