У мене ситуація, коли іноді, коли я читаю csvз, dfя отримую небажаний стовпчик, що нагадує індекс unnamed:0.
file.csv
,A,B,C
0,1,2,3
1,4,5,6
2,7,8,9CSV читається з цим:
pd.read_csv('file.csv')
Unnamed: 0 A B C
0 0 1 2 3
1 1 4 5 6
2 2 7 8 9Це дуже дратує! Хтось має уявлення про те, як від цього позбутися?
Відповіді:
Це стовпчик індексу, перейдіть, index=Falseщоб не виписати його, подивіться документи
Приклад:
In [37]:
df = pd.DataFrame(np.random.randn(5,3), columns=list('abc'))
pd.read_csv(io.StringIO(df.to_csv()))
Out[37]:
Unnamed: 0 a b c
0 0 0.109066 -1.112704 -0.545209
1 1 0.447114 1.525341 0.317252
2 2 0.507495 0.137863 0.886283
3 3 1.452867 1.888363 1.168101
4 4 0.901371 -0.704805 0.088335порівняти з:
In [38]:
pd.read_csv(io.StringIO(df.to_csv(index=False)))
Out[38]:
a b c
0 0.109066 -1.112704 -0.545209
1 0.447114 1.525341 0.317252
2 0.507495 0.137863 0.886283
3 1.452867 1.888363 1.168101
4 0.901371 -0.704805 0.088335Ви також можете додатково сказати, read_csvщо перший стовпець - це стовпчик індексу, передаючи index_col=0:
In [40]:
pd.read_csv(io.StringIO(df.to_csv()), index_col=0)
Out[40]:
a b c
0 0.109066 -1.112704 -0.545209
1 0.447114 1.525341 0.317252
2 0.507495 0.137863 0.886283
3 1.452867 1.888363 1.168101
4 0.901371 -0.704805 0.088335skipcolsаргументів read_csv, після прочитання в CSV ви могли просто зробити df = df.drop(columns=df.columns[0])або ви могли просто прочитати спочатку стовпці, а потім передати знаки мінус перший стовпчик щось подібнеcols = pd.read_csv( ....., nrows=1).columns а потім перечитати знову, щоб df = pd.read_csv(....., usecols=cols[1:])уникнути накладного читання зайву колонку, а потім відкинути її згодом
Ця проблема, швидше за все, виявляється через збереження CSV-файлу разом із його RangeIndex(як правило, не має імені). Виправлення насправді потрібно було б зробити під час збереження DataFrame, але це не завжди варіант.
read_csvз index_col аргументомIMO, найпростішим рішенням було б прочитати неназваний стовпчик як індекс . Вкажітьindex_col=[0] аргумент pd.read_csv, він читається в першому стовпці як індекс.
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 xПримітка.
Ви могли б уникнути цього в першу чергу, використовуючиindex=Falseпри створенні вихідного CSV, якщо ваш DataFrame не має індексу для початку.df.to_csv('file.csv', index=False)Але, як було сказано вище, це не завжди є варіантом.
str.matchЯкщо ви не можете змінити код для читання / запису файлу CSV, ви можете просто видалити стовпець, фільтруючи за допомогою str.match:
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 xindex_col=[0]виправлення легко вирішило цю набридливу проблему "без імені: 0" і заряджає код від багатослівного переосмислення колеса.
df.drop(df.filter(regex="Unname"),axis=1, inplace=True)
Інший випадок, що це може статися, це якщо ваші дані були неправильно записані до вас, csvщоб кожен рядок закінчувався комою. Це дозволить залишити вас без назви в стовпці Unnamed: xнаприкінці ваших даних, коли ви спробуєте прочитати їх у df.
usecols=range(0,10)вирізав безіменний стовпчик