Question

我正在尝试读取索引列中包含十六进制数字的CSV文件：

InputBits, V0, V1, V2, V3
7A, 0.000594457716, 0.000620631282, 0.000569834178, 0.000625374384, 
7B, 0.000601155649, 0.000624282078, 0.000575955914, 0.000632111367, 
7C, 0.000606026872, 0.000629149805, 0.000582689823, 0.000634561234, 
7D, 0.000612115902, 0.000634625998, 0.000584526357, 0.000638235952, 
7E, 0.000615769413, 0.000637668328, 0.000590648093, 0.00064987256, 
7F, 0.000620640637, 0.000643144494, 0.000594933308, 0.000650485013,

我可以使用以下代码执行此操作：

df = pd.read_csv('data.csv', index_col=False,
                 converters={'InputBits': lambda x: int(x, 16)})
df.set_index('InputBits', inplace=True)

问题是这似乎不必要地笨重。有没有办法做一些与以下相同的事情？

df = pd.read_csv('data.csv', converters={'InputBits': lambda x: int(x, 16)})

此操作失败，因为InputBits现在是第一个带

的数据列

ValueError: invalid literal for int() with base 16: ' 0.000594457716'

Answer 1

正如@root在这里指出的那样，这个例子中的问题是标题与列名和列值的错位，它们都有一个尾随逗号。实际上，the documentation处理了这种特定情况：

如果在每行末尾有一个带有分隔符的格式错误的文件，您可能会考虑使用index_col = False来强制pandas 而不是使用第一列作为索引（行名称）

此处的解决方案首先运行

sed -i 's/, \r$//' data.csv

摆脱最后的逗号（以及Windows行结尾）。然后，预期的命令几乎开箱即用：

pd.read_csv('data.csv', index_col='InputBits',
             converters={'InputBits': lambda x: int(x, 16)})

在read_csv中为Pandas索引列指定转换器

1 个答案: