আমি একটি অবস্থা যখন আমি পড়তে যেখানে কখনো কখনো একটি আছে csvথেকে dfআমি একজন অবাঞ্ছিত সূচক মত নামে কলাম পেতে unnamed:0।
file.csv
,A,B,C
0,1,2,3
1,4,5,6
2,7,8,9সিএসভি এটি দিয়ে পড়া হয়:
pd.read_csv('file.csv')
Unnamed: 0 A B C
0 0 1 2 3
1 1 4 5 6
2 2 7 8 9এটা খুব বিরক্তিকর! কীভাবে এ থেকে মুক্তি পাবেন সে সম্পর্কে কারও কি ধারণা আছে?
উত্তর:
এটি সূচক কলাম, index=Falseএটি লিখতে না পেরে পাস করুন , ডক্স দেখুন
উদাহরণ:
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 0.088335তুলনা করা:
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 0.088335আপনি বৈকল্পিকভাবে বলতে পারেন read_csvযে প্রথম কলামটি সূচক কলামটি পেরিয়ে যাওয়ার মাধ্যমে 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 0.088335skipcolsজন্য ARG read_csvCSV মধ্যে পড়া আপনি শুধু করতে পারে পরে, df = df.drop(columns=df.columns[0])অথবা আপনি শুধু প্রথম কলাম পড়তে পারি এবং তারপর COLS বিয়োগ মত প্রথম কলামে কিছু পাস cols = pd.read_csv( ....., nrows=1).columnsআবার পুনরায় পড়া এবং তারপর df = pd.read_csv(....., usecols=cols[1:])এই পড়ার ওভারহেড এড়াতে একটি অতিরিক্ত অতিরিক্ত কলাম এবং তারপরে এটি বাদ
এই সমস্যাটি সম্ভবত উদ্ভাসিত হয় কারণ আপনার সিএসভি এর সাথে সংরক্ষণ করা হয়েছিল RangeIndex(যার সাধারণত নাম থাকে না)। ডেটাফ্রেম সংরক্ষণ করার সময় এই ফিক্সটি আসলেই করা দরকার, তবে এটি সর্বদা কোনও বিকল্প নয়।
read_csvসঙ্গে index_col যুক্তিআইএমও, সবচেয়ে সহজ সমাধান হ'ল সূচি হিসাবে নামহীন কলামটি পড়া । একটি index_col=[0]আর্গুমেন্ট নির্দিষ্ট করুন pd.read_csv, এটি সূচক হিসাবে প্রথম কলামে পড়ে।
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 xদ্রষ্টব্য , আউটপুট সিএসভি তৈরি করার সময়
আপনি প্রথমে এটিকে এড়াতে পারতেনindex=False, যদি আপনার ডেটাফ্রেমের সূচনা না শুরু হয়।df.to_csv('file.csv', index=False)তবে উপরে উল্লিখিত হিসাবে, এটি সর্বদা একটি বিকল্প নয়।
str.matchআপনি পড়া / CSV ফাইল লিখতে কোড পরিবর্তন না পারেন, তাহলে, আপনি শুধু পারেন ফিল্টার করার মাধ্যমে কলাম অপসারণ সঙ্গে 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]ফিক্সটি সহজেই 'নামবিহীন: 0' এর বিরক্তিকর সমস্যার সমাধান করে এবং ভার্জোজ চক্রটিকে পুনরায় উদ্ভাবন করা থেকে কোড ছাড়ায়।
df.drop(df.filter(regex="Unname"),axis=1, inplace=True)