Question

我有几个包含相同信息变体的CSV文件。我想根据关键字从每个列中提取列。但是，每个文件的标题不一定从第1行开始，因此很难识别'skiprows ='的静态变量。

以下是CSV的一些示例

CSV1

Here are the instructions that you should follow.
Follow them closely, OK, to define the Type and Place.

Type    Number  Place   Exists
cat 2   home    yes
dog 2   field   yes
fish    3   sea yes

CSV2

   .



I know have this type of information.
This is not easy to define when the location and style are the same.

Animal Style    Quantity    Location    Exists
horse   3   field   yes
lion    2   safari  no
tiger 3 jungle  yes


CSV3

Number  Local   Species
2   home    rabbit
3   tank    turtle
3   sea shark

如果'CSV'都有一个容易识别的标题，我会遵循的“熊猫”方法如下：

colFilters = ['number','local','species','style','quantity','location','type','number','place']
df = read_CSV(CSV1,skip_blanks_rows=True)
df.columns = map(str.lower, df.columns)
df = df.filter(regex='|'.join(colFiltersFilters),axis=1) 
df.head

我本可以跳过不包含关键词的行，但有时会出现在“说明”中的关键词位于标题上方的不同位置。

'pandas'是否有办法使用特定信息来识别标题列？除了依赖标题信息和/或标题数量之外，还有更好的解决方法吗？

Answer 1

所以基本上你的字符串存储在第1列中？如果在读入数据时删除所有NULL值，该怎么办？之后，您可以使用第一行重命名列标题。

import pandas as pd
import numpy as np
df = pd.read_csv(r'CSV1',header=None)
df=df.dropna()
df=df.rename(columns=df.iloc[0])
df=df.drop(df.index[[0]])
df.head(10)

如果您在任何其他列中缺少值，那么我将删除包含＆＃39;。＆＃39;的所有行。或者删除所有超过2个缺失值的行

选择具有不同标头python的csv / df中的特定列

1 个答案: