Question

我将Python 3.7与pandas一起使用。

我已经成功加载了csv文件，并将标头放置在列表中

csv_file = pandas.read_csv(file, encoding="ISO-8859-1")
headers = [line.upper() for line in csv_file]

但是，当我打印headers时，相同的标题后缀有。[number] ，例如

['ADID', 'FIRST NAME', 'LAST NAME', 'FULL NAME', 'ADID.1', 'ADID.2', 'ROLE 2', 'GROUP', 'DIVISION', 'TEAM', 'COMPANY']

根据输入文件，

ADID，ADID.1和ADID.2应该全部为ADID。

这是大熊猫如何对待相同的标头吗？可以将其关闭吗？

Answer 1

您的CSV文件是否有多个标题为“ ADID”的标题？

那是行不通的。标头必须是唯一的。否则，如果您引用“ ADID”列，那么它如何知道您是在谈论ADID还是ADID.1或ADID.2？

Answer 2

有一个名为mangle_dupe_cols的选项，默认情况下为True（即，将重复的列设置为X，X.1，...，X.N），但是此选项并非完全旨在设置为False。

正如熊猫在其文档中警告的那样，“如果列中重复的名称，则传入False将导致数据被覆盖。”

来源：https://pandas.pydata.org/pandas-docs/stable/generated/pandas.read_csv.html

Answer 3

可能，但不建议。

您可以将str.replace与regex-(\.\d+)$一起使用：

。与字符匹配。从字面上看（区分大小写）
   \ d + 匹配一个数字（等于[0-9]）
   + 量词-匹配一次和无限次，次数尽可能多，并根据需要返回（贪婪）
   $ 在行尾声明位置

c = ['ADID', 'FIRST NAME', 'LAST NAME', 'FULL NAME', 
     'ADID.1', 'ADID.2', 'ROLE 2', 'GROUP', 'DIVISION', 'TEAM', 'COMPANY']  
df = pd.DataFrame(columns=c)

df.columns = df.columns.str.replace('(\.\d+)$','')
print (df)
Empty DataFrame
Columns: [ADID, FIRST NAME, LAST NAME, FULL NAME, 
          ADID, ADID, ROLE 2, GROUP, DIVISION, TEAM, COMPANY]
Index: []

熊猫自动重新命名相同的标题

3 个答案: