只是想重申一下，这将工作在Pandas〉= 0.9.1：

In [2]: read_csv('sample.csv', dtype={'ID': object})
Out[2]: 
                           ID
0  00013007854817840016671868
1  00013007854817840016749251
2  00013007854817840016754630
3  00013007854817840016781876
4  00013007854817840017028824
5  00013007854817840017963235
6  00013007854817840018860166

我还创建了一个关于检测整数溢出的问题。
编辑：请在此处查看解决方案：https://github.com/pydata/pandas/issues/2247
帮助他人时更新：
要将all columns作为str，可以这样做（从注解中）：

pd.read_csv('sample.csv', dtype = str)

要将most列或选择性列作为str，可以执行以下操作：

# lst of column names which needs to be string
lst_str_cols = ['prefix', 'serial']
# use dictionary comprehension to make dict of dtypes
dict_dtypes = {x : 'str'  for x in lst_str_cols}
# use dict on dtypes
pd.read_csv('sample.csv', dtype=dict_dtypes)

这可能不是最优雅的方式，但它完成了工作。

In[1]: import numpy as np

In[2]: import pandas as pd

In[3]: df = pd.DataFrame(np.genfromtxt('/Users/spencerlyon2/Desktop/test.csv', dtype=str)[1:], columns=['ID'])

In[4]: df
Out[4]: 
                       ID
0  00013007854817840016671868
1  00013007854817840016749251
2  00013007854817840016754630
3  00013007854817840016781876
4  00013007854817840017028824
5  00013007854817840017963235
6  00013007854817840018860166

只需将'/Users/spencerlyon2/Desktop/test.csv'替换为文件的路径即可

从Pandas1.0开始，它变得更加简单了。这将把列'ID'读为dtype 'string'：

pd.read_csv('sample.csv',dtype={'ID':'string'})

正如我们在本入门指南中所看到的，已经引入了'string' dtype（在字符串被视为dtype 'object'之前）。