在指定重复列名的同时读取表格时 - 假设有两个不同的名称 - pandas 0.16.1 将一遍又一遍地复制数据的最后两列。
In [1]:
df = pd.read_table('Datasets/tbl.csv', header=0, names=['one','two','one','two','one'])
df
tbl.csv 包含一个包含 5 个不同列的表格。将重复最后两个而不是给出所有列。
Out[1]:
one two one two one
0 0.132846 0.120522 0.132846 0.120522 0.132846
1 -0.059710 -0.151850 -0.059710 -0.151850 -0.059710
2 0.003686 0.011072 0.003686 0.011072 0.003686
3 -0.220749 -0.029358 -0.220749 -0.029358 -0.220749
实际表格中的每一列都有不同的值。在这里,重复相同的两列(对应于文件中的最后两列)。没有给出错误或警告。
您认为这是错误还是有意为之?我发现像这样默默地改变输入是非常危险的。还是我的无知?
最佳答案
在索引中使用重复值本质上是有问题的。
它们导致歧义。您认为运行良好的代码可能会在具有非唯一索引的 DataFrame 上突然失败。 argmax
,例如,可以 lead to a similar pitfall当 DataFrame 在索引中有重复时。
最好避免在(行或 列)索引,如果可以的话。如果您需要使用非唯一索引,请谨慎使用。 仔细检查重复值对代码行为的影响。
在这种情况下,您可以使用
df = pd.read_csv('data', header=None)
df.columns = ['one','two','one','two','one']
相反。
关于python-3.x - 具有重复名称的 Pandas read_table,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/31207560/