熊猫中`header = None`和`header = 0`之间的区别

Question

我正在编写代码以使用pandas 读取csv 文件，我看到了该包的一些奇怪功能。我的文件有我想忽略的列名，所以我使用header = 0 或'infer' 而不是None。但我看到了一些奇怪的东西。

当我使用None 并且想要获取特定列时，我只需要执行df[column_index]，但是当我使用0 或'infer' 时，我需要执行df.ix[:,column_index] 来获取列，否则, 对于df[column_index] 我收到以下错误：

Traceback（最近一次调用最后一次）：文件 “/home/sarvagya/anaconda3/envs/tf/lib/python3.6/site-packages/pandas/core/indexes/base.py”， 第 2525 行，在 get_loc 中 return self._engine.get_loc(key) 文件“pandas/_libs/index.pyx”，第 117 行，在 pandas._libs.index.IndexEngine.get_loc 文件中 “pandas/_libs/index.pyx”，第 139 行，在 pandas._libs.index.IndexEngine.get_loc 文件 “pandas/_libs/hashtable_class_helper.pxi”，第 1265 行，在 pandas._libs.hashtable.PyObjectHashTable.get_item 文件 “pandas/_libs/hashtable_class_helper.pxi”，第 1273 行，在 pandas._libs.hashtable.PyObjectHashTable.get_item KeyError: column_index

在处理上述异常的过程中，又发生了一个异常：

Traceback（最近一次调用最后一次）：文件“”，第 1 行，in 文件 “/home/sarvagya/anaconda3/envs/tf/lib/python3.6/site-packages/pandas/core/frame.py”， 第 2139 行，在 getitem 中 返回 self._getitem_column(key) 文件“/home/sarvagya/anaconda3/envs/tf/lib/python3.6/site-packages/pandas/core/frame.py”， 第 2146 行，在 _getitem_column 返回 self._get_item_cache(key) 文件“/home/sarvagya/anaconda3/envs/tf/lib/python3.6/site-packages/pandas/core/generic.py”， 第 1842 行，在 _get_item_cache 中 值 = self._data.get(item) 文件“/home/sarvagya/anaconda3/envs/tf/lib/python3.6/site-packages/pandas/core/internals.py”， 第 3843 行，在获取 loc = self.items.get_loc(item) 文件“/home/sarvagya/anaconda3/envs/tf/lib/python3.6/site-packages/pandas/core/indexes/base.py”， 第 2527 行，在 get_loc 中 return self._engine.get_loc(self._maybe_cast_indexer(key)) 文件“pandas/_libs/index.pyx”，第 117 行，在 pandas._libs.index.IndexEngine.get_loc 文件 “pandas/_libs/index.pyx”，第 139 行，在 pandas._libs.index.IndexEngine.get_loc 文件 “pandas/_libs/hashtable_class_helper.pxi”，第 1265 行，在 pandas._libs.hashtable.PyObjectHashTable.get_item 文件 “pandas/_libs/hashtable_class_helper.pxi”，第 1273 行，在 pandas._libs.hashtable.PyObjectHashTable.get_item KeyError: column_index

有人可以帮忙吗？为什么会这样？

Answer 1

使用带有标头的数据框时会出现差异，因此假设您的 DataFrame df 有标头！

1. header=Nonepandas 自动将df 的第一行（这是实际的列名）分配给第一行，因此您的列不再有名称

2. header=0，pandas 首先删除列名（标题），然后为它们分配新的列名（仅当您在加载文件时传递 names = [........]）。 read_csv( filepath, header = 0 , names = ['....' , '....' ...])

希望对你有帮助！

Answer 2

看起来需要 2 个参数 - header=None 和 skiprows=1 如果要忽略默认的原始列名称 RangeIndex。

因为如果在第一行中仅使用 header=None 会得到原始列名。

而header=0 将第一行读取到DataFrame 的列名。

示例：

import pandas as pd

temp=u"""a,b,c
1,2,3
4,5,6"""
#after testing replace 'pd.compat.StringIO(temp)' to 'filename.csv'
df = pd.read_csv(pd.compat.StringIO(temp), header=0)
print (df)
   a  b  c
0  1  2  3
1  4  5  6

---

按位置选择：

print (df.iloc[:, 1])
0    2
1    5
Name: b, dtype: int64

按列名选择：

print (df['b'])

0    2
1    5
Name: b, dtype: int64

没有列名1，所以：

打印 (df[1]) 关键错误：1

---

df = pd.read_csv(pd.compat.StringIO(temp), header=None)
print (df)
   0  1  2
0  a  b  c
1  1  2  3
2  4  5  6

df = pd.read_csv(pd.compat.StringIO(temp), header=None, skiprows=1)
print (df)
   0  1  2
0  1  2  3
1  4  5  6

print (df[1])
0    2
1    5
Name: 1, dtype: int64

Answer 3

假设您有一个像 student.csv 这样的 csv 文件，其中第一行的列名。

    id class marks
0   01 10    97
1   02 9     85
2   03 11    70

如果你想读取这个 csv 文件，你可以这样做 -

df = pd.read_csv('student.csv') 

或

df = pd.read_csv('student.csv', header=0)

这两个语句将给出与上面相同格式的 csv 文件。

但是如果你尝试使用这个 -

df = pd.read_csv('student.csv', header=None)

pandas 会假设您的文件中没有列名，并将其设为自己的并以这种格式打印 csv 文件。

    0   1    2
0   id class marks
1   01 10    97
2   02 9     85
3   03 11    70