如何修复熊猫列标题?

时间:2019-10-26 12:08:25

标签: python pandas

enter image description here

我想通过熊猫使用csv数据。但有一个问题。 是数据头向右移动三列。 因此,不能使用正确的数据。

我认为这可能是因为最后三个标头为空。 请告诉我如何通过熊猫获取正确的csv数据。 我在图片描述中添加了csv数据。

import pandas as pd

csv_df = pd.read_csv(file_path,header=0)

print(csv_df)

                      frame  Nose_x  ...  l_hand_cog_y  
0.0   NaN    NaN     0.0000  0.3287  ...        0.7593            
      0.2361 0.3696  0.7469  0.2454  ...        0.5676            
1.0   NaN    NaN     0.0000  0.2639  ...        0.7362            
      0.2454 0.3641  0.5987  0.2639  ...        0.4696            
2.0   NaN    NaN     0.0000  0.2546  ...        0.6988            
...                     ...     ...  ...           ...               
858.0 0.6574 0.5543  0.8371  0.7083  ...        0.7895            
      0.3657 0.4022  0.8528  0.2407  ...        0.7086            
859.0 0.0509 0.3587  0.8315  0.0556  ...        0.4831            
      0.6435 0.5815  0.7562  0.6944  ...        0.8002            
      0.3611 0.4022  0.8422  0.2361  ...        0.7143            

[2728 rows x 97 columns]

2 个答案:

答案 0 :(得分:0)

您的csv文件中的每一列都必须包含一个列名。

import pandas as pd    
csv_df = pd.read_csv(file_path)    
print(csv_df)

或完全删除所有列名并执行:

import pandas as pd    
csv_df = pd.read_csv(file_path, header=None)    
print(csv_df)

答案 1 :(得分:0)

我无法解决此代码。

但是我用它来修复它。

import pandas as pd
csv_df = pd.read_csv('/content/drive/My Drive/data/data_estimated/box1Analize.csv',header=1,
        names= ['frame', 'Nose_x', 'Nose_y', 'Nose_score', 'Neck_x', 'Neck_y',
       'Neck_score', 'RShoulder_x', 'RShoulder_y', 'RShoulder_score',
       'RElbow_x', 'RElbow_y', 'RElbow_score', 'RWrist_x', 'RWrist_y',
       'RWrist_score', 'LShoulder_x', 'LShoulder_y', 'LShoulder_score',
       'LElbow_x', 'LElbow_y', 'LElbow_score', 'LWrist_x', 'LWrist_y',
       'LWrist_score', 'RHip_x', 'RHip_y', 'RHip_score', 'RKnee_x', 'RKnee_y',
       'RKnee_score', 'RAnkle_x', 'RAnkle_y', 'RAnkle_score', 'LHip_x',
       'LHip_y', 'LHip_score', 'LKnee_x', 'LKnee_y', 'LKnee_score', 'LAnkle_x',
       'LAnkle_y', 'LAnkle_score', 'REye_x', 'REye_y', 'REye_score', 'LEye_x',
       'LEye_y', 'LEye_score', 'REar_x', 'REar_y', 'REar_score', 'LEar_x',
       'LEar_y', 'LEar_score', 'head_cog_x', 'head_cog_y', 'head_cog_score',
       'torso_cog_x', 'torso_cog_y', 'torso_cog_score', 'r_thigh_cog_x',
       'r_thigh_cog_y', 'r_thigh_cog_score', 'l_thigh_cog_x', 'l_thigh_cog_y',
       'l_thigh_cog_score', 'r_leg_cog_x', 'r_leg_cog_y', 'r_leg_cog_score',
       'l_leg_cog_x', 'l_leg_cog_y', 'l_leg_cog_score', 'r_foot_cog_x',
       'r_foot_cog_y', 'r_foot_cog_score', 'l_foot_cog_x', 'l_foot_cog_y',
       'l_foot_cog_score', 'r_arm_cog_x', 'r_arm_cog_y', 'r_arm_cog_score',
       'l_arm_cog_x', 'l_arm_cog_y', 'l_arm_cog_score', 'r_forearm_cog_x',
       'r_forearm_cog_y', 'r_forearm_cog_score', 'l_forearm_cog_x',
       'l_forearm_cog_y', 'l_forearm_cog_score', 'r_hand_cog_x',
       'r_hand_cog_y', 'r_hand_cog_score', 'l_hand_cog_x', 'l_hand_cog_y',
       'l_hand_cog_score','undif_1','undif_2','undif_3'])

print(csv_df)