Question

我正在使用Python Pandas读取CSV文件：

col1\tcol2\tcol3\tcol4\tcol5

因此，原则上，此文件包含一行和5列，并用制表符'\ t'分隔。

在读取文件时，我会指定一个名称列表，就像这样（我假设我的文件应该有3列，而不是上面的5列）：

df = pd.read_csv("test.txt", sep = "\t", names = ["COL1", "COL2", "COL3"])

Panda并没有抱怨，实际上，当我打印它时，它需要前三列并将其读为第一列，所以当我打印DataFrame时，我得到以下信息：

print(df.head())
                COL1    COL2    COL3
col1    col2    col3    col4    col5

对我来说，这意味着文件格式错误，但是我不知道如何捕获此程序化代码，例如当我检查列的大小时，它返回3（我定义的列数），并且如果我检查DataFrame的形状，它还返回列号3。

我的问题是，如何检测尝试使用read_csv加载的文件包含一定数量的列？当然，我可以按照传统方式读取罚款的第一行，进行解析并检查其内容，但是有没有办法使用熊猫来做到这一点？

Answer 1

我认为没有错。熊猫假设只有三列，因为您只给了3个名字。

例如，如果我这样做：

import io
raw="""col1\tcol2\tcol3\tcol4\tcol5
1\t2\t3\t4\t5"""
df= pd.read_csv(io.StringIO(raw), sep='\t')

我知道

Out[545]: 
   col1  col2  col3  col4  col5
0     1     2     3     4     5

但是，如果像您的示例一样设置三列的名称，则会得到：

df= pd.read_csv(io.StringIO(raw), sep='\t', names = ["COL1", "COL2", "COL3"])
Out[547]: 
           COL1  COL2  COL3
col1 col2  col3  col4  col5
1    2        3     4     5

所以现在这取决于您实际想要做什么。如果您想跳过标题而只阅读前三列，则可以执行以下操作：

df= pd.read_csv(io.StringIO(raw), sep='\t', usecols=range(3), names = ["COL1", "COL2", "COL3"], skiprows=1)

Out[549]: 
   COL1  COL2  COL3
0     1     2     3

如果您想阅读全部内容并替换前三列的名称，则可以这样做：

df= pd.read_csv(io.StringIO(raw), sep='\t')
df.columns= ["COL1", "COL2", "COL3"] + list(df.columns)[3:]

熊猫：CSV输入的列与“名称”字段中定义的列不同

1 个答案: