在 csv 导入 pandas 期间跳过行
Posted
技术标签:
【中文标题】在 csv 导入 pandas 期间跳过行【英文标题】:Skip rows during csv import pandas 【发布时间】:2014-01-05 09:49:07 【问题描述】:我正在尝试使用 pandas.read_csv()
导入 .csv 文件,但是,我不想导入数据文件的第二行(索引 = 1 的行用于 0 索引)。
我看不出如何不导入它,因为与命令一起使用的参数似乎模棱两可:
来自熊猫网站:
skiprows
:类列表或整数要跳过的行数(0-indexed)或要跳过的行数(int) 文件的开头。”
如果我在参数中输入skiprows=1
,它如何知道是跳过第一行还是跳过索引为1的行?
【问题讨论】:
我猜想它可以是“类列表或整数”,然后给你两个选项(跳过行或在开始时跳过 # 行)然后如果你给它列表[1] 它只会跳过第 1 行(第 2 行)。如果您给它一个整数(例如 10),那么它将跳过前 10 行。 效果很好。非常感谢。只是想知道它如何区分索引和int。 [] 就是答案。 【参考方案1】:你可以自己试试:
>>> import pandas as pd
>>> from StringIO import StringIO
>>> s = """1, 2
... 3, 4
... 5, 6"""
>>> pd.read_csv(StringIO(s), skiprows=[1], header=None)
0 1
0 1 2
1 5 6
>>> pd.read_csv(StringIO(s), skiprows=1, header=None)
0 1
0 3 4
1 5 6
【讨论】:
是的,谢谢,我只需要知道索引是在方括号[]
内指定的。
在 Python 3 中:from io import StringIO
【参考方案2】:
我还没有评论的声誉,但我想添加到alko 答案以供进一步参考。
来自docs:
skiprows:文件中要跳过的行的数字集合。也可以是整数来跳过前n行
【讨论】:
【参考方案3】:我在读取 csv 文件时运行 skiprows 时遇到了同样的问题。 我在做 skip_rows=1 这不起作用
简单的例子说明了如何在读取 csv 文件时使用 skiprows。
import pandas as pd
#skiprows=1 will skip first line and try to read from second line
df = pd.read_csv('my_csv_file.csv', skiprows=1) ## pandas as pd
#print the data frame
df
【讨论】:
【参考方案4】:所有这些答案都忽略了一个重要点——第 n 行是文件中的第 n 行,而不是数据集中的第 n 行。我有一种情况,我从 USGS 下载了一些过时的流量测量仪数据。数据集的头部用“#”注释,之后的第一行是标签,接下来是描述日期类型的行,最后是数据本身。我永远不知道有多少注释行,但我知道前几行是什么。示例:
> # ----------------------------- WARNING ----------------------------------
> # Some of the data that you have obtained from this U.S. Geological Survey database
> # may not have received Director's approval. ... agency_cd site_no datetime tz_cd 139719_00065 139719_00065_cd
> 5s 15s 20d 6s 14n 10s USGS 08041780 2018-05-06 00:00 CDT 1.98 A
如果有一种方法可以自动跳过第 n 行和第 n 行,那就太好了。
作为说明,我能够解决我的问题:
import pandas as pd
ds = pd.read_csv(fname, comment='#', sep='\t', header=0, parse_dates=True)
ds.drop(0, inplace=True)
【讨论】:
【参考方案5】:read_csv
中的索引指的是 csv 文件中的行号/行号(第一行的索引为 0)。您有以下选项可以跳过行:
from io import StringIO
csv = \
"""col1,col2
1,a
2,b
3,c
4,d
"""
pd.read_csv(StringIO(csv))
# Output:
col1 col2 # index 0
0 1 a # index 1
1 2 b # index 2
2 3 c # index 3
3 4 d # index 4
在文件开头跳过两行(索引 0 和 1)。列名也被跳过(索引 0),顶行用于列名。要添加列名,请使用names = ['col1', 'col2']
参数:
pd.read_csv(StringIO(csv), skiprows=2)
# Output:
2 b
0 3 c
1 4 d
跳过第二行和第四行(索引 1 和 3):
pd.read_csv(StringIO(csv), skiprows=[1, 3])
# Output:
col1 col2
0 2 b
1 4 d
跳过最后两行:
pd.read_csv(StringIO(csv), engine='python', skipfooter=2)
# Output:
col1 col2
0 1 a
1 2 b
使用 lambda 函数跳过每一行(索引 1 和 3):
pd.read_csv(StringIO(csv), skiprows=lambda x: (x % 2) != 0)
# Output:
col1 col2
0 2 b
1 4 d
【讨论】:
【参考方案6】:skip[1]
将跳过第二行,而不是第一行。
【讨论】:
以上是关于在 csv 导入 pandas 期间跳过行的主要内容,如果未能解决你的问题,请参考以下文章
Python Pandas read_csv 跳过行但保留标题