具体来说，如果一个值用引号括起来（例如，'123'），它应该被视为字符串;如果没有引号（例如，123），它应该被视为数字格式。

import pandas as pd

# Creating a DataFrame with mixed data types
data = {'columns': [1, 2, 3, '4', '5', '6']}
df = pd.DataFrame.from_dict(data)

# Checking unique data types before saving to CSV
selected_column = 'columns'
unique_types_before = {selected_column: set(df[selected_column].apply(type))}
print(unique_types_before)  # Output: {'columns': {<class 'int'>, <class 'str'>}}

# Saving DataFrame to CSV
df.to_csv('example.csv')

# Loading DataFrame from the saved CSV file
dataframe = pd.read_csv('example.csv')

# Checking unique data types after loading from CSV
unique_types_after = {selected_column: set(dataframe[selected_column].apply(type))}
print(unique_types_after)  # Output: {'columns': {<class 'int'>}}

字符串
我遇到了一个问题，即在保存到CSV文件时，DataFrame中的数据类型没有正确保留。经过调查，我手动创建了一个名为“manual_example.csv”的CSV文件，其中包含以下内容：

columns
1
2
3
4
5
6
"7"

型
为了解决这个问题，我正在寻找如何将“manual_example.csv”加载到DataFrame中的指导，同时确保行中的数据类型得到正确解释。目标是将引号中的值（例如，“123”）视为字符串，而将没有引号的值（例如，123）视为数值格式。
以下是我到目前为止使用的代码：

import pandas as pd
from io import StringIO

# Replace 'example.csv' with the actual path to your CSV file
csv_file_path = 'manual_example.csv'

# Read the content of the CSV file
with open(csv_file_path, 'r', encoding='utf-8') as file:
    csv_content = file.read()

# Use StringIO to create a file-like object
csv_file = StringIO(csv_content)

# Read CSV with appropriate data types
df1 = pd.read_csv(csv_file, quotechar='"', dtype={'columns': object})
unique_types_df1 = {selected_column: set(df1[selected_column].apply(type))}
print(unique_types_df1)  # Output: {'columns': {<class 'str'>}}

型
我很感激任何关于如何在CSV文件加载过程中正确处理数据类型的见解或建议。