我有一些文本文件格式如下:
000423|东阿阿胶| 300|1|0.15000| |
000425|徐工机械| 600|1|0.15000| |
000503|海虹控股| 400|1|0.15000| |
000522|白云山A| |2| | 1982.080|
000527|美的电器| 900|1|0.15000| |
000528|柳 工| 300|1|0.15000| |
当我使用read_csv将它们加载到DataFrame时,它不会为某些列生成正确的dtype。例如,第一列被解析为int,而不是unicode str,第三列被解析为unicode str,而不是int,因为缺少一个数据...有没有办法预设DataFrame的dtype,就像numpy.genfromtxt呢?
更新:
我使用了这样的read_csv
导致了这个问题:
data = pandas.read_csv(StringIO(etf_info), sep='|', skiprows=14, index_col=0,
skip_footer=1, names=['ticker', 'name', 'vol', 'sign',
'ratio', 'cash', 'price'], encoding='gbk')
为了解决dtype和编码问题,我需要先使用unicode()
和numpy.genfromtxt
:
etf_info = unicode(urllib2.urlopen(etf_url).read(), 'gbk')
nd_data = np.genfromtxt(StringIO(etf_info), delimiter='|',
skiprows=14, skip_footer=1, dtype=ETF_DTYPE)
data = pandas.DataFrame(nd_data, index=nd_data['ticker'],
columns=['name', 'vol', 'sign',
'ratio', 'cash', 'price'])
如果read_csv
可以添加dtype
和usecols
设置,那就太好了。抱歉,我的贪婪。 ^ _ ^
答案 0 :(得分:4)
简单地说:不,还没有。在这个特定领域需要做更多工作(阅读:更活跃的开发人员)。如果您可以发布使用read_csv
的方式,则可能有所帮助。我怀疑条之间的空白可能是问题
编辑:现在已经过时了。 read_csv
本身涵盖了此行为答案 1 :(得分:1)
您现在可以在read_csv中使用dtype。
PS:感谢Wes McKinney的回答,与过去的Wes"相矛盾感觉很尴尬。