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
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')
其他回答
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')
from IPython.display import display
import pandas as pd
import io
df = pd.read_csv('file.csv',index_col=[0])
df = pd.read_csv(io.StringIO(df.to_csv(index=False)))
display(df.head(5))
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)
这通常是由于您的CSV已与(未命名)索引(RangeIndex)一起保存。
(修复实际上需要在保存DataFrame时完成,但这并不总是一个选项。)
解决方法:带index_col=[0]参数的read_csv
在我看来,最简单的解决方案是将未命名的列作为索引读取。为pd指定一个index_col=[0]参数。Read_csv,它读取第一列作为索引。(注意方括号)。
df = pd.DataFrame('x', index=range(5), columns=list('abc'))
df
a b c
0 x x x
1 x x x
2 x x x
3 x x x
4 x x x
# Save DataFrame to CSV.
df.to_csv('file.csv')
<!- ->
pd.read_csv('file.csv')
Unnamed: 0 a b c
0 0 x x x
1 1 x x x
2 2 x x x
3 3 x x x
4 4 x x x
# Now try this again, with the extra argument.
pd.read_csv('file.csv', index_col=[0])
a b c
0 x x x
1 x x x
2 x x x
3 x x x
4 x x x
请注意 你一开始就可以通过 如果输出CSV是在pandas中创建的,如果你的DataFrame没有索引开始,则使用index=False: df.to_csv (file.csv,指数= False) 但如上所述,这并不总是一种选择。
临时解决方案:使用str.match进行过滤
如果你不能修改代码来读取/写入CSV文件,你可以通过过滤str.match删除列:
df
Unnamed: 0 a b c
0 0 x x x
1 1 x x x
2 2 x x x
3 3 x x x
4 4 x x x
df.columns
# Index(['Unnamed: 0', 'a', 'b', 'c'], dtype='object')
df.columns.str.match('Unnamed')
# array([ True, False, False, False])
df.loc[:, ~df.columns.str.match('Unnamed')]
a b c
0 x x x
1 x x x
2 x x x
3 x x x
4 x x x
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。