科技 · 實用指南
pandas CSV 編號設為字串仍變動？逐步追蹤匯入前後的值
四列對照實驗區分數值推斷、缺失值規則與已寫入CSV的損失；事後轉字串無法全部修復。
CSV編號發生變動時，應先比較原始欄位與各處理階段的值，再考慮追加型別轉換。字串型別不會自動關閉缺失值辨識，以字串讀取已受損的匯出檔，也無法重建先前數值轉換丟掉的數字。
我們以Python 3.12.14、pandas 2.2.3與C解析器測試四個已宣告的編號值：00123、9007199254740993、字面文字NA及空欄位，13項檢查通過。這些是小型受控樣本，其中NA明確定義為文字；應用本身的缺失值規則仍須另行決定。
從原始欄位與已知結構開始
保留原始CSV，記錄編碼、分隔符號、引號規則、表頭與編號欄，依實際方言解析工作副本。Python的csv.reader通常回傳欄位字串，不自動轉成數值；建立文字基準時不要使用QUOTE_NONNUMERIC。將欄位映射成字典之前，先核對表頭位置。
記錄精確樣本值，而非只看格式化顯示。CSV引號負責界定欄位，不是pandas的型別宣告。所連結的Excel指南說明試算表匯入的相同原始檔邊界，表頭指南則另行處理重複名稱。檔案雜湊記錄位元組身分，但單獨計算本機雜湊，不能判定業務值是否正確。
分別設定文字型別與缺失值策略
先import pandas as pd，測試中使用pd.read_csv('input.csv', engine='c', dtype={'id': 'string'}, keep_default_na=False)。在已知UTF-8樣本裡，它保留00123、精確的大編號、字面NA與空字串；只設定string時，數字雖保留，後兩項仍成為缺失值。
keep_default_na=False影響整次讀取的缺失標記辨識，不只影響id欄。此處用它檢查原始文字，並不表示每一欄的空白都有效。應依提供方的結構規格，逐欄規定缺失標記與型別，再驗證規則。不要為了消除錯誤，任意把缺失值改成零或字面文字'nan'。
確認損失是否早於目前讀取器
我們的63位元組輸入替所有欄位加了引號。預設數值讀取將編號欄推斷為float64，之後轉string得到123.0和9007199254740992.0。將這組推斷值另存CSV時，變動後的數字寫入檔案，原本的字面NA與空欄位也都寫成空欄位。
再以明確的字串設定讀取這份受損CSV，只會保留已受損的文字；目前讀取器不再是首次丟失點。它與正確保留值的匯出檔恰好同為43位元組，列欄數量也相同。因此在這些樣本中，大小與形狀相同並不證明值相等。
另存後與原始值逐項比較
寫入新目標，以相同已宣告結構重新解析。將有序編號字串及缺失值差異與原始檔比較，核對記錄數，調查編號碰撞或值變動。正確保留的往返測試留下全部四個值；因為引號形式改變，位元組表示由63變成43位元組，所以原始位元組完全相等並非合適的語意驗收標準。
若目前最早的CSV已包含捨入或縮短的編號，應向權威提供方取得新匯出，或回到更早保留的來源。補零或對顯示的浮點數取整，無法確認丟失的原編號。本文測量只涵蓋pandas 2.2.3的C引擎與四列合成資料，套用至其他環境前應複核實際部署版本與解析器。
