如何使用 pandas.read_csv() 将索引数据读取为字符串？

Posted 2023-03-12

【中文标题】如何使用 pandas.read_csv() 将索引数据读取为字符串？

【英文标题】：How to read index data as string with pandas.read_csv()?

【发布时间】：2016-05-05 15:33:46

【问题描述】：

我正在尝试使用 pandas 将 csv 文件读取为 DataFrame，并且我想将索引行读取为字符串。但是，由于 index 的行没有任何字符，pandas 将这些数据作为整数处理。怎么读成字符串？

这是我的 csv 文件和代码：

[sample.csv]    
    uid,f1,f2,f3
    01,0.1,1,10
    02,0.2,2,20
    03,0.3,3,30

[code]
df = pd.read_csv('sample.csv', index_col="uid" dtype=float)
print df.index.values

结果：df.index 是整数，不是字符串：

>>> [1 2 3]

但我想获取 df.index 作为字符串：

>>> ['01', '02', '03']

还有一个附加条件：其余的索引数据必须是数值，而且它们实际上太多了，我不能用特定的列名来指向它们。

【问题讨论】：

我不明白“附加条件：索引数据的其余部分必须是数值，它们实际上太多了，我不能用特定的列名来指向它们。” 。您是否只希望行 '01'、'02'、'03' 具有字符串索引，而所有其他行都具有整数？ pandas 不支持这一点，每一列只能有一个 dtype，除非你想使用 dtype:'object'。为什么要混合使用字符串和整数索引，这听起来很麻烦？

【参考方案1】：

通过dtype参数指定dtype：

In [159]:
import pandas as pd
import io
t="""uid,f1,f2,f3
01,0.1,1,10
02,0.2,2,20
03,0.3,3,30"""
df = pd.read_csv(io.StringIO(t), dtype='uid':str)
df.set_index('uid', inplace=True)
df.index

Out[159]:
Index(['01', '02', '03'], dtype='object', name='uid')

所以在你的情况下以下应该工作：

df = pd.read_csv('sample.csv', dtype='uid':str)
df.set_index('uid', inplace=True)

单行等效项不起作用，因为此处仍然存在出色的pandas bug，其中将被视为索引的列上的 dtype 参数被忽略**：

df = pd.read_csv('sample.csv', dtype='uid':str, index_col='uid')

如果我们假设第一列是索引列，您可以动态执行此操作：

In [171]:
t="""uid,f1,f2,f3
01,0.1,1,10
02,0.2,2,20
03,0.3,3,30"""
cols = pd.read_csv(io.StringIO(t), nrows=1).columns.tolist()
index_col_name = cols[0]
dtypes = dict(zip(cols[1:], [float]* len(cols[1:])))
dtypes[index_col_name] = str
df = pd.read_csv(io.StringIO(t), dtype=dtypes)
df.set_index('uid', inplace=True)
df.info()

<class 'pandas.core.frame.DataFrame'>
Index: 3 entries, 01 to 03
Data columns (total 3 columns):
f1    3 non-null float64
f2    3 non-null float64
f3    3 non-null float64
dtypes: float64(3)
memory usage: 96.0+ bytes

In [172]:
df.index

Out[172]:
Index(['01', '02', '03'], dtype='object', name='uid')

这里我们只读取标题行来获取列名：

cols = pd.read_csv(io.StringIO(t), nrows=1).columns.tolist()

然后我们使用所需的数据类型生成列名的字典：

index_col_name = cols[0]
dtypes = dict(zip(cols[1:], [float]* len(cols[1:])))
dtypes[index_col_name] = str

我们得到索引名称，假设它是第一个条目，然后从其余列中创建一个 dict 并将 float 分配为所需的 dtype 并添加索引 col 指定类型为 str，您可以然后将此作为dtype 参数传递给read_csv

【讨论】：

对不起，我忘了写一些信息。其他列必须是数值，它们实际上太多了，我不能用特定的名称指向它们。所以如果我按照你的方式做，其他数据也是字符串。

我的方法指定了特定列之一，那么问题出在哪里？你不知道名字或者你不想做dtype=str？

我想做dtype=float，因为我想强制其他列浮动。

索引col总是第一列吗？

是的。它始终是第一列。

【参考方案2】：

如果结果不是字符串，则必须将其转换为字符串。 试试：

result = [str(i) for i in result]

或者在这种情况下：

print([str(i) for i in df.index.values])

【讨论】：

你的方式导致这个结果['1', '2', '3']。我希望是['01', '02', '03']