熊猫中有没有选择' read_csv
功能可以自动将object
dtype的每个项目转换为str
。
例如,尝试读取CSV文件时会出现以下情况:
mydata = pandas.read_csv(myfile, sep="|", header=None)
C:\...\pandas\io\parsers.py:1159: DtypeWarning: Columns (6,635) have mixed types. Specify dtype option on import or set low_memory=False.
data = self._reader.read(nrows)
是否存在这样的方式:(i)警告被禁止打印,但是(ii)我可以在字符串中捕获警告消息,从中我可以提取特定列,例如在这种情况下6和635(以便我可以随后修复dtype
)?或者,如果我可以在mixed types
时指定,read_csv
函数应该将该列中的值转换为str
?
我使用的是Python 3.4.2和Pandas 0.15.2
答案 0 :(得分:6)
Dtypewarning
是Warning
,可以抓住并采取行动。有关详细信息,请参阅here。要捕获警告,我们需要将执行包装在warnings.catch_warnings
块中。可以使用regex
提取受影响的警告消息和列,然后使用.astype(target_type)
import re
import pandas
import warnings
myfile = 'your_input_file_here.txt'
target_type = str # The desired output type
with warnings.catch_warnings(record=True) as ws:
warnings.simplefilter("always")
mydata = pandas.read_csv(myfile, sep="|", header=None)
print("Warnings raised:", ws)
# We have an error on specific columns, try and load them as string
for w in ws:
s = str(w.message)
print("Warning message:", s)
match = re.search(r"Columns \(([0-9,]+)\) have mixed types\.", s)
if match:
columns = match.group(1).split(',') # Get columns as a list
columns = [int(c) for c in columns]
print("Applying %s dtype to columns:" % target_type, columns)
mydata.iloc[:,columns] = mydata.iloc[:,columns].astype(target_type)
结果应该与DataFrame
相同,且有问题的列设置为str
类型。值得注意的是,Pandas DataFrame
中的字符串列报告为object
。
答案 1 :(得分:2)
如错误消息本身所述,避免pd.read_csv
返回混合dtypes的最简单方法是设置low_memory=False
:
df = pd.read_csv(..., low_memory=False)
但是,使用pd.concat
连接多个数据帧时,这种奢侈不可用。