Question

我正在编写代码以使用csv来读取pandas文件，并且看到了该程序包的某些奇怪功能。我的文件具有要忽略的列名，因此我使用header = 0或'infer'而不是None。但是我看到了一些奇怪的东西。

当我使用None并想获得特定列时，我只需要做df[column_index]，但是当我使用0或'infer'时，我需要做df.ix[:,column_index]获取该列，否则，对于df[column_index]我收到以下错误：

回溯（最近通话最近）：文件   “ /home/sarvagya/anaconda3/envs/tf/lib/python3.6/site-packages/pandas/core/indexes/base.py”，   第2525行，位于get_loc中       返回self._engine.get_loc（key）文件“ pandas / _libs / index.pyx”，第117行，在pandas._libs.index.IndexEngine.get_loc文件中   第139行中的“ pandas / _libs / index.pyx”   pandas._libs.index.IndexEngine.get_loc文件   “ pandas / _libs / hashtable_class_helper.pxi”，第1265行，在   pandas._libs.hashtable.PyObjectHashTable.get_item文件   “ pandas / _libs / hashtable_class_helper.pxi”，第1273行，在   pandas._libs.hashtable.PyObjectHashTable.get_item KeyError：column_index

在处理上述异常期间，发生了另一个异常：

回溯（最近一次通话最后一次）：文件“”，第1行，在      文件   “ /home/sarvagya/anaconda3/envs/tf/lib/python3.6/site-packages/pandas/core/frame.py”，   第2139行，在 getitem       返回self._getitem_column（key）文件“ /home/sarvagya/anaconda3/envs/tf/lib/python3.6/site-packages/pandas/core/frame.py”，   _getitem_column中的第2146行       返回self._get_item_cache（key）文件“ /home/sarvagya/anaconda3/envs/tf/lib/python3.6/site-packages/pandas/core/generic.py”，   第1842行，在_get_item_cache中       值= self._data.get（item）文件“ /home/sarvagya/anaconda3/envs/tf/lib/python3.6/site-packages/pandas/core/internals.py”，   第3843行，进入       loc = self.items.get_loc（item）文件“ /home/sarvagya/anaconda3/envs/tf/lib/python3.6/site-packages/pandas/core/indexes/base.py”，   第2527行，位于get_loc中       返回self._engine.get_loc（self._maybe_cast_indexer（key））文件“ pandas / _libs / index.pyx”，第117行，在   pandas._libs.index.IndexEngine.get_loc文件   第139行中的“ pandas / _libs / index.pyx”   pandas._libs.index.IndexEngine.get_loc文件   “ pandas / _libs / hashtable_class_helper.pxi”，第1265行，在   pandas._libs.hashtable.PyObjectHashTable.get_item文件   “ pandas / _libs / hashtable_class_helper.pxi”，第1273行，在   pandas._libs.hashtable.PyObjectHashTable.get_item KeyError：column_index

有人可以帮忙吗？为什么会这样？

Answer 1

如果要忽略默认列header=None的原始列名称，则似乎需要两个参数-skiprows=1和RangeIndex。

因为如果仅在第一行中使用header=None，则会获得原始列名。

然后header=0将第一行读入列名DataFrame。

示例：

import pandas as pd

temp=u"""a,b,c
1,2,3
4,5,6"""
#after testing replace 'pd.compat.StringIO(temp)' to 'filename.csv'
df = pd.read_csv(pd.compat.StringIO(temp), header=0)
print (df)
   a  b  c
0  1  2  3
1  4  5  6

按位置选择：

print (df.iloc[:, 1])
0    2
1    5
Name: b, dtype: int64

按列名称选择：

print (df['b'])

0    2
1    5
Name: b, dtype: int64

没有列名1，所以：

打印（df [1]） KeyError：1

df = pd.read_csv(pd.compat.StringIO(temp), header=None)
print (df)
   0  1  2
0  a  b  c
1  1  2  3
2  4  5  6

df = pd.read_csv(pd.compat.StringIO(temp), header=None, skiprows=1)
print (df)
   0  1  2
0  1  2  3
1  4  5  6

print (df[1])
0    2
1    5
Name: 1, dtype: int64

Answer 2

使用带标头的数据框时，差异会弹出，因此可以说您的数据框df有标头！

header=None熊猫自动将df的第一行（即实际的列名）分配给第一行，因此您的列不再具有名称
header=0，pandas首先删除列名（标题），然后为它们分配新的列名（仅当加载文件时传递名称= [........]时）。 read_csv( filepath, header = 0 , names = ['....' , '....' ...])

希望有帮助！

熊猫中的“标头=无”和“标头= 0”之间的区别

2 个答案: