我有一种情况,有时当我从df读取csv时,我会得到一个不需要的类似索引的列,名为无名:0。
file.csv
,A,B,C
0,1,2,3
1,4,5,6
2,7,8,9
CSV是这样读取的:
pd.read_csv('file.csv')
Unnamed: 0 A B C
0 0 1 2 3
1 1 4 5 6
2 2 7 8 9
这太烦人了!有人知道怎么处理吗?
我有一种情况,有时当我从df读取csv时,我会得到一个不需要的类似索引的列,名为无名:0。
file.csv
,A,B,C
0,1,2,3
1,4,5,6
2,7,8,9
CSV是这样读取的:
pd.read_csv('file.csv')
Unnamed: 0 A B C
0 0 1 2 3
1 1 4 5 6
2 2 7 8 9
这太烦人了!有人知道怎么处理吗?
当前回答
在使用df.to_csv()时,一个不知道索引是否已被写入的解决方案如下所示:
df = pd.read_csv(file_name)
if 'Unnamed: 0' in df.columns:
df.drop('Unnamed: 0', axis=1, inplace=True)
如果没有写入索引,则index_col=[0]将使用第一列作为索引,这是我们不希望看到的行为。
其他回答
简单地删除列使用:del df['column_name']
另一种可能发生这种情况的情况是,如果您的数据不恰当地写入csv,使每行以逗号结束。这将使您在数据的末尾留下一个未命名的列无名:x,当您试图将其读入df时。
另外:
df = df.drop(columns=['Unnamed: 0'])
你可以对“未命名”列做以下任何一种操作:
删除未命名列 重命名它们(如果您想使用它们)
方法1:删除未命名列
# delete one by one like column is 'Unnamed: 0' so use it's name
df.drop('Unnamed: 0', axis=1, inplace=True)
#delete all Unnamed Columns in a single code of line using regex
df.drop(df.filter(regex="Unnamed"),axis=1, inplace=True)
方法2:重命名未命名列
df。rename(columns ={'未命名:0':'Name'}, inplace = True)
如果你想写一个空白的头在输入文件中,只要选择上面的'Name'为''。
其中OP的输入数据'file.csv'是:
,A,B,C
0,1,2,3
1,4,5,6
2,7,8,9
#读文件 Df = pd.read_csv('file.csv')
要获得所有未命名列,你也可以使用正则表达式,如df.drop(df.filter(regex="Unname"),axis=1, inplace=True)