我有一个csv文件,当我使用 usecols
过滤列并使用多个索引时, pandas.read_csv
没有正确使用 .
import pandas as pd
csv = r"""dummy,date,loc,x
bar,20090101,a,1
bar,20090102,a,3
bar,20090103,a,5
bar,20090101,b,1
bar,20090102,b,3
bar,20090103,b,5"""
f = open('foo.csv', 'w')
f.write(csv)
f.close()
df1 = pd.read_csv('foo.csv',
header=0,
names=["dummy", "date", "loc", "x"],
index_col=["date", "loc"],
usecols=["dummy", "date", "loc", "x"],
parse_dates=["date"])
print df1
# Ignore the dummy columns
df2 = pd.read_csv('foo.csv',
index_col=["date", "loc"],
usecols=["date", "loc", "x"], # <----------- Changed
parse_dates=["date"],
header=0,
names=["dummy", "date", "loc", "x"])
print df2
我希望df1和df2应该是相同的,除了丢失的虚拟列,但列标记错误 . 此日期也被解析为日期 .
In [118]: %run test.py
dummy x
date loc
2009-01-01 a bar 1
2009-01-02 a bar 3
2009-01-03 a bar 5
2009-01-01 b bar 1
2009-01-02 b bar 3
2009-01-03 b bar 5
date
date loc
a 1 20090101
3 20090102
5 20090103
b 1 20090101
3 20090102
5 20090103
使用列号而不是名称会给我带来同样的问题 . 我可以通过在read_csv步骤之后删除虚拟列来解决此问题,但我正在尝试了解出现了什么问题 . 我正在使用熊猫0.10.1 .
编辑:修复错误的 Headers 用法 .
4 回答
这段代码实现了你想要的东西 - 也是它的奇怪和肯定的错误:
我发现它适用于:
a)指定
index_col
rel . 你真正使用的列数 - 所以在这个例子中它的三列,而不是四列(你放弃dummy
并从那时起开始计数)b)
parse_dates
相同c)因为显而易见的原因而不是
usecols
;)d)在这里我调整了
names
以反映这种行为打印
首先导入csv并使用csv.DictReader,它易于处理...
@chip的答案完全忽略了两个关键字参数的要点 .
仅当没有 Headers 并且您希望使用列名而不是整数索引指定其他参数时,才需要
names .
usecols 应该在将整个DataFrame读入内存之前提供过滤器;如果使用得当,读取后永远不需要删除列 .
这个解决方案纠正了这些奇怪之处:
这给了我们:
如果您的csv文件包含额外数据,则导入后DataFrame中的列可以是deleted .
这给了我们: