如何在 pandas 数据框中重新格式化 .csv 文件？

Question

只是一个简单的问题，使用 pandas to_csv() 函数我将 pandas 数据框保存为具有以下结构的 .csv 文件：

在：

df.to_csv(output_file, sep = '|')

输出：

|id|column2|column3
0|id_1|bla bla bla bla|more strings
1|id_2|bla bla bla bla|more strings
2|id_3|bla bla bla bla|more strings
....
n-1|id_n|bla bla bla bla| more strings

上一个文件的问题是格式，你可以看到.csv文件的左侧有一个坏列：

|id|
0|
1|
2|
....
n-1|

从一开始，我就尝试通过以下方式删除实际上没有名称的列：

df.drop('',axis=1)
print list(df.columns.values)
['id', 'column2', 'column3]

但是，它没有奏效。如何使用to_csv() 函数将以前的 .csv 文件重组为类似的内容？：

id|column2|column3
id_1|bla bla bla bla|more strings
id_2|bla bla bla bla|more strings
id_3|bla bla bla bla|more strings
....
id_n|bla bla bla bla|more strings

更新

在@piRSquared 的回答下，我尝试重新格式化 csv 文件，如下所示：

print list(df.columns.values)
return df.to_csv(output_file, sep='|', index_col=1)[['column1','column2', 'column3']]
#return df.to_csv(output_file, sep = '|')

不过，我得到了这个：

['id', 'content', 'POS-tagged_content']
Traceback (most recent call last):
  File "script.py", line 48, in <module>
    preprocess_files(input_file, output_file)
  File "script.py", line 39, in postag_pandas
    return df.to_csv(output_file, sep='|', index_col=1)[['column1','column2', 'column3']]
TypeError: 'NoneType' object has no attribute '__getitem__'

Answer 1

试试：

df.set_index('id')

df 是您的数据框

---

编辑

IIUC

您提供的是来自 csv 文件的文本，并且您正在将其导入 pandas 数据框。当你说：

如何将以前的数据帧重组成这样的东西？：

我相信您已经混淆了什么是数据框和什么是 csv。

一个 csv it 文本或一个包含要解析的文本的文件。通常，此文本用逗号分隔。 （Comma S分隔的Values）

pandas/python 上下文中的数据框是一个 python 对象。

说了这么多，我相信你是想问的：

如何导入包含此文本的 csv，这样我就不会得到第一列。

text = """|id|column2|column3
0|id_1|bla bla bla bla|more strings
1|id_2|bla bla bla bla|more strings
2|id_3|bla bla bla bla|more strings
n-1|id_n|bla bla bla bla| more strings"""

df = pd.read_csv(StringIO(text), sep='|', index_col=1)[['column2', 'column3']]

print df

看起来像：

              column2        column3
id                                  
id_1  bla bla bla bla   more strings
id_2  bla bla bla bla   more strings
id_3  bla bla bla bla   more strings
id_n  bla bla bla bla   more strings

从这里您可以像这样保存到 csv：

df.to_csv('./mycsv.csv')

生产

id,column2,column3
id_1,bla bla bla bla,more strings
id_2,bla bla bla bla,more strings
id_3,bla bla bla bla,more strings
id_n,bla bla bla bla, more strings

这就是你所说的你想要的。

Answer 2

print df.to_string(index=False)

这将打印没有索引的数据框。

>>> print df
     id          column2       column3
0  id_1  bla bla bla bla  more strings
1  id_2  bla bla bla bla  more strings
2  id_3  bla bla bla bla  more strings

>>> print df.to_string(index=False)
   id          column2       column3
 id_1  bla bla bla bla  more strings
 id_2  bla bla bla bla  more strings
 id_3  bla bla bla bla  more strings

Answer 3

您的其中一列似乎有一个空白字符串，您可以drop它：

In [47]:
df = pd.DataFrame(np.random.randn(5,2), columns=['','asd'])
df

Out[47]:
                  asd
0 -0.911575 -0.142538
1  0.746839 -1.504157
2  0.611362  0.400219
3 -0.959443  1.494226
4 -0.346508 -1.471558

In [48]:
df.drop('',axis=1)

Out[48]:
        asd
0 -0.142538
1 -1.504157
2  0.400219
3  1.494226
4 -1.471558