Pandas多列同名

Question

我正在dataframe创建一个csv。我已经通过文档，多个SO帖子，链接，因为我刚开始Pandas但没有得到它。 csv有多个具有相同名称的列，如a。

所以在形成dataframe后，当我df['a']时，它会返回哪个值？它不会返回所有值。

同样只有一个值会有一个字符串，它将是None。我怎样才能获得该列？

Answer 1

相关参数为mangle_dupe_cols

来自docs

的

mangle_dupe_cols : boolean, default True
    Duplicate columns will be specified as 'X.0'...'X.N', rather than 'X'...'X'

默认情况下，您的所有'a'列都会按照上面的说明命名为'a.0'...'a.N'。

如果您使用mangle_dupe_cols=False，则导入此csv会产生错误。

您可以使用

获取所有列

df.filter(like='a')

<强> 示范

from StringIO import StringIO
import pandas as pd

txt = """a, a, a, b, c, d
1, 2, 3, 4, 5, 6
7, 8, 9, 10, 11, 12"""

df = pd.read_csv(StringIO(txt), skipinitialspace=True)
df

df.filter(like='a')

Answer 2

这就是我通常对基因表达数据集所做的，因为相同基因的基因序列略有不同，所以相同的基因名称可能会出现多次：

1. 在我的数据框中创建一个重复列的列表（指的是多次出现的列名）：

duplicated_columns_list = []
list_of_all_columns = list(df.columns)
for column in list_of_all_columns:
    if list_of_all_columns.count(column) > 1 and not column in duplicated_columns_list:
        duplicated_columns_list.append(column)
duplicated_columns_list

2. 使用函数 .index() 帮助我找到在每次迭代中重复的第一个元素并给它下划线：

for column in duplicated_columns_list:
    list_of_all_columns[list_of_all_columns.index(column)] = column + '_1'
    list_of_all_columns[list_of_all_columns.index(column)] = column + '_2'

这个 for 循环帮助我为所有重复的列加下划线，现在每列都有一个不同的名称。

此特定代码与恰好出现 2 次的列相关，但可以针对在数据框中出现甚至超过 2 次的列进行修改。

3. 最后，用下划线元素重命名列：

df.columns = list_of_all_columns

就是这样，我希望它有帮助:)

Answer 3

我有一个类似的问题，不是由于从csv中读取，而是有多个具有相同名称的df列（在我的情况下为“ id”）。我通过使用df.columns并使用列表重置列名来解决了这个问题。

In : df.columns
Out: 
Index(['success', 'created', 'id', 'errors', 'id'], dtype='object')

In : df.columns = ['success', 'created', 'id1', 'errors', 'id2']

In : df.columns
Out: 
Index(['success', 'created', 'id1', 'errors', 'id2'], dtype='object')

从这里，我能够调用'id1'或'id2'来获得我想要的列。