熊猫中具有相同名称的多个列

Posted 2023-02-23

【中文标题】熊猫中具有相同名称的多个列

【英文标题】：Multiple columns with the same name in Pandas

【发布时间】：2017-02-20 13:35:25

【问题描述】：

我正在从 CSV 文件创建 dataframe。我已经浏览了文档、多个 SO 帖子、链接，因为我刚刚开始使用 Pandas 但没有得到它。 CSV 文件有多个具有相同名称的列，例如 a。

那么在形成dataframe 之后，当我做df['a'] 时，它会返回哪个值？它不会返回所有值。

也只有一个值会有一个字符串，其余的将是None。我怎样才能得到那个专栏？

【问题讨论】：

回答这个问题：when i do df['a'] which value will it return - 它将返回一个包含 all 列名为 a

的 DF

@MaxU 它没有返回所有值...这就是为什么我很惊讶！！！！

我在 Pandas 0.19.0 下测试过——你用的是什么版本？

@MaxU 相同....当我使用 like 它工作正常

【参考方案1】：

相关参数为mangle_dupe_cols

来自docs

mangle_dupe_cols : boolean, default True
    Duplicate columns will be specified as 'X.0'...'X.N', rather than 'X'...'X'

默认情况下，您的所有'a' 列都被命名为'a.0'...'a.N'，如上所述。

如果您使用了mangle_dupe_cols=False，则导入此csv 会产生错误。

您可以使用

获取所有列

df.filter(like='a')

---

演示

from StringIO import StringIO
import pandas as pd

txt = """a, a, a, b, c, d
1, 2, 3, 4, 5, 6
7, 8, 9, 10, 11, 12"""

df = pd.read_csv(StringIO(txt), skipinitialspace=True)
df

df.filter(like='a')

【讨论】：

非常感谢！！！！工作正常.....在我的情况下，只有一个可以有一个值，其余的将是NaN。所以我怎样才能选择唯一的值非 nan 或 nan 是所有值都是 nan

@vks 这是一个完全不相关的问题。碰巧最近有人问了这个问题。我会找到它并在这里发布。

@vks 这个问题和答案可以用来得到你想要的。如果它对您来说不够具体，请提出一个新问题。 ***.com/q/39903090/2336654

我没有看到你实际使用参数mangle_dupe_cols。为什么只有我一个迷茫？ :)

导入和预处理后如何更改列名？

【参考方案2】：

我有一个类似的问题，不是因为从 csv 读取，而是我有多个具有相同名称的 df 列（在我的例子中是 'id'）。我通过使用 df.columns 并使用列表重置列名来解决它。

In : df.columns
Out: 
Index(['success', 'created', 'id', 'errors', 'id'], dtype='object')

In : df.columns = ['success', 'created', 'id1', 'errors', 'id2']

In : df.columns
Out: 
Index(['success', 'created', 'id1', 'errors', 'id2'], dtype='object')

从这里，我可以调用“id1”或“id2”来获得我想要的列。

【参考方案3】：

这就是我通常对我的基因表达数据集所做的事情，其中​​相同的基因名称可能会出现不止一次，因为同一基因的基因序列略有不同：

在我的数据框中创建重复列的列表（指多次出现的列名）：

duplicated_columns_list = []
list_of_all_columns = list(df.columns)
for column in list_of_all_columns:
    if list_of_all_columns.count(column) > 1 and not column in duplicated_columns_list:
        duplicated_columns_list.append(column)
duplicated_columns_list

使用函数.index() 帮助我找到在每次迭代中重复的第一个元素并在其下划线：

for column in duplicated_columns_list:
    list_of_all_columns[list_of_all_columns.index(column)] = column + '_1'
    list_of_all_columns[list_of_all_columns.index(column)] = column + '_2'

这个for 循环帮助我强调所有重复的列，现在每列都有一个不同的名称。

此特定代码与恰好出现 2 次的列相关，但可以针对在数据框中出现甚至超过 2 次的列进行修改。

最后，使用下划线元素重命名列：

df.columns = list_of_all_columns

就是这样，希望对你有帮助:)

【参考方案4】：

与 JDenman6 类似（并且与您的问题相关），我有两个具有相同名称的 df 列（名为“id”）。 因此，调用

df['id']

返回 2 列。 你可以使用

df.iloc[:,ind]

其中 ind 对应于列的索引，根据它们在 df 中的排序方式。您可以使用以下方法查找索引：

indices = [i for i,x in enumerate(df.columns) if x == 'id']

您将“id”替换为您正在搜索的列的名称。