Question

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。 ^ _ ^

Answer 1

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

Answer 2

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＆＃34;相矛盾感觉很尴尬。

使用pandas.read_csv从csv文件加载数据时如何指定dtype？

2 个答案: