Question

我有一个csv文件，我使用pandas API读入数据框。我打算设置自己的标头而不是默认的第一行。（我也摆脱了一些行。）我如何才能最好地实现这一目标？

我尝试了以下操作，但这没有按预期工作：

header_row=['col1','col2','col3','col4', 'col1', 'col2'] # note the header has duplicate column values
df = pandas.read_csv(csv_file, skiprows=[0,1,2,3,4,5], names=header_row)

这会产生以下错误 -

File "third_party/py/pandas/io/parsers.py", line 187, in read_csv
File "third_party/py/pandas/io/parsers.py", line 160, in _read
File "third_party/py/pandas/io/parsers.py", line 628, in get_chunk
File "third_party/py/pandas/core/frame.py", line 302, in __init__
File "third_party/py/pandas/core/frame.py", line 388, in _init_dict
File "third_party/py/pandas/core/internals.py", line 1008, in form_blocks
File "third_party/py/pandas/core/internals.py", line 1036, in _simple_blockify
File "third_party/py/pandas/core/internals.py", line 1068, in _stack_dict
IndexError: index out of bounds

然后我尝试通过

设置列

df.columns = header_row

但是由于重复的列值，这可能会导致错误。

File "engines.pyx", line 101, in pandas._engines.DictIndexEngine.get_loc    
(third_party/py/pandas/src/engines.c:2498)
File "engines.pyx", line 107, in pandas._engines.DictIndexEngine.get_loc 
(third_party/py/pandas/src/engines.c:2447)
Exception: ('Index values are not unique', 'occurred at index entity')

我正在使用pandas 0.7.3版本。从文档 -

名称：类似数组列名列表

我确信我在这里缺少一些简单的东西。感谢您的帮助。

Answer 1

Pandas 0.7.3不支持索引重复。您需要至少0.8.0，介于0.8.0和0.8.1之间，索引中重复的几个问题是固定的，因此0.8.1（=最近的稳定版本）可能是最佳的。但是，即使0.8.1也不能解决您的问题，因为此版本的issue具有重复的列名（您无法显示具有重复列名的数据框）。

使用pandas.read_csv设置标头

1 个答案: