Eu tenho um arquivo separado por tabulação com uma coluna que deve ser interpretada como uma string, mas muitas das entradas são números inteiros. Com pequenos arquivos read_csv interpreta corretamente a coluna como uma string depois de ver alguns valores não inteiros, mas com arquivos maiores, isso não funciona:

import pandas as pd
df = pd.DataFrame({'a':['1']*100000 + ['X']*100000 + ['1']*100000, 'b':['b']*300000})
df.to_csv('test', sep='\t', index=False, na_rep='NA')
df2 = pd.read_csv('test', sep='\t')
print df2['a'].unique()
for a in df2['a'][262140:262150]:
    print repr(a)

saída:

['1' 'X' 1]
'1'
'1'
'1'
'1'
1
1
1
1
1
1

Curiosamente, 262144 é uma potência de 2, então acho que a inferência e a conversão estão acontecendo em partes, mas está pulando alguns pedaços.

Eu tenho quase certeza de que isso é um bug, mas gostaria de um trabalho que talvez use aspas, embora adicionar citação = csv.QUOTE_NONNUMERIC para leitura e escrita não conserte o problema. Idealmente, eu poderia contornar isso citando meus dados de string e de alguma forma forçar os pandas a não fazer nenhuma inferência nos dados citados.

Usando pandas 0.12.0