Question

我有一个包含3列的csv文件，其中第3列的每一行都包含值列表。从下表结构中可以看出

Col1,Col2,Col3
1,a1,"['Proj1', 'Proj2']"
2,a2,"['Proj3', 'Proj2']"
3,a3,"['Proj4', 'Proj1']"
4,a4,"['Proj3', 'Proj4']"
5,a5,"['Proj5', 'Proj2']"

每当我尝试读取此csv时，Col3将被读取为str对象而不是列表。我试图将该列的dtype改为列表，但得到了＃34;属性错误＆＃34;如下

df = pd.read_csv("inputfile.csv")
df.Col3.dtype = list

AttributeError                            Traceback (most recent call last)
<ipython-input-19-6f9ec76b1b30> in <module>()
----> 1 df.Col3.dtype = list

C:\Python27\lib\site-packages\pandas\core\generic.pyc in __setattr__(self,         name, value)
   1953                     object.__setattr__(self, name, value)
   1954             except (AttributeError, TypeError):
-> 1955                 object.__setattr__(self, name, value)
   1956 
   1957     #----------------------------------------------------------------------

AttributeError：无法设置属性

如果你可以指导我如何去做，真的很棒。

Answer 1

你可以使用ast lib：

from ast import literal_eval


df.Col3 = df.Col3.apply(literal_eval)
print(df.Col3[0][0])
Proj1

您也可以使用converters从csv创建数据框时执行此操作：

df = pd.read_csv("in.csv",converters={"Col3": literal_eval})

如果您确定所有字符串的格式相同，则剥离和拆分会更快：

 df = pd.read_csv("in.csv",converters={"Col3": lambda x: x.strip("[]").split(", ")})

但是你最终会用引号

包裹的字符串

Answer 2

为坎宁安（Cunninghams）答案添加替换项：

df = pd.read_csv("in.csv",converters={"Col3": lambda x: x.strip("[]").replace("'","").split(", ")})

另请参阅pandas - convert string into list of strings

Answer 3

如果可以选择写入文件-

您可以使用pd.to_parquet和pd.read_parquet（而不是csv）。

它将正确解析此列。

Answer 4

如果您必须解析没有引号的字符串列表，则

@Padraic Cunningham的答案将不起作用。例如，literal_eval将成功解析"['a', 'b', 'c']"，而不是"[a, b, c]"。要加载这样的字符串，请使用PyYAML库。

import io 
import pandas as pd

data = '''
A,B,C
"[1, 2, 3]",True,"[a, b, c]"
"[4, 5, 6]",False,"[d, e, f]"
'''

df = pd.read_csv(io.StringIO(data), sep=',')                                    
df
           A      B          C
0  [1, 2, 3]   True  [a, b, c]
1  [4, 5, 6]  False  [d, e, f]

df['C'].tolist()                                                           
# ['[a, b, c]', '[d, e, f]']

import yaml
df[['A', 'C']] = df[['A', 'C']].applymap(yaml.safe_load) 

df['C'].tolist()                                                           
# [['a', 'b', 'c'], ['d', 'e', 'f']]

yaml可以使用pip install pyyaml安装。

Answer 5

对此，我有另一种方法，除了列表之外，该方法还可以用于其他数据类型的字符串表示。

您可以使用json库并将json.loads（）应用到所需的列。例如

yield

但是，要使其正常工作，您的输入字符串必须用双引号引起来。

如何使用pandas将csv列作为dtype列表读取？

5 个答案: