Google Colab - pandas/pyplot 将只接受列引用而不是标题

Question

我在 Colab 中使用 gspread 打开了一个 Google 表格

document = gc.open_by_url('https://docs.google.com/myspreadsheet')

sheet = elem.worksheet('Sheet1')

data = sheet.get_all_values()

df = pd.DataFrame(data)

文档包含元素数据，打印的 head() 如下所示：

             0          1   ...              26               27
0  AtomicNumber    Element  ...  NumberofShells  NumberofValence
1             1   Hydrogen  ...               1                1
2             2     Helium  ...               1                 
3             3    Lithium  ...               2                1
4             4  Beryllium  ...               2                2

我遇到的问题是，当我尝试按标题引用时，例如：

df.plot(x = 'AtomicNumber', y= 'AtomicMass', kind = 'scatter')

我得到一个错误。我也试过：

df.plot(x = df.AtomicNumber, y= df.AtomicMass, kind = 'scatter')

和

df.plot(x = df['AtomicNumber'], y= df['AtomicMass'], kind = 'scatter')

但我也没有快乐。除非我像这样使用列引用：

df.plot(x = 0, y= 17, kind = 'scatter')

我什么也得不到。如果我必须继续引用 .csv 文件来确定我需要哪个列引用，它会很快变得很累！！

最后，当我打印时：

df.columns.values

我明白了：

array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16,
       17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27])

我似乎无法不明白这一点 - 即使我尝试创建一个包含 df bar row index 0 每一行的新数据框

我对此很陌生，所以我确信它很简单，但我陷入了僵局......帮助！

Answer 1

我刚刚想出了一个解决方案，对此我很满意，所以我会将这个问题标记为已解决。

问题似乎出在我创建数据框的方式上：

data = sheet.get_all_values()

df = pd.DataFrame(data)

如果我改为使用 'Get_all_records()' 函数，则生成的数据框没有看似不可移动的列参考号作为标题（见下文）

df = pd.DataFrame(raw.get_all_records())

当我打印这个数据帧的 head() 时，我得到：

   AtomicNumber    Element Symbol  ...  SpecificHeat  NumberofShells  NumberofValence
0             1   Hydrogen      H  ...        14.304               1                1
1             2     Helium     He  ...         5.193               1                 
2             3    Lithium     Li  ...         3.582               2                1
3             4  Beryllium     Be  ...         1.825               2                2
4             5      Boron      B  ...         1.026               2                3

然后当我调用 df.columns.values 时，我得到：

array(['AtomicNumber', 'Element', 'Symbol', 'AtomicMass',
       'NumberofNeutrons', 'NumberofProtons', 'NumberofElectrons',
       'Period', 'Group', 'Phase', 'Radioactive', 'Natural', 'Metal',
       'Nonmetal', 'Metalloid', 'Type', 'AtomicRadius',
       'Electronegativity', 'FirstIonization', 'Density', 'MeltingPoint',
       'BoilingPoint', 'NumberOfIsotopes', 'Discoverer', 'Year',
       'SpecificHeat', 'NumberofShells', 'NumberofValence'], dtype=object)

我现在将深入研究 gspread 的文档，并尝试找出 get_all_values 和 get_all_records 之间的区别，但我很高兴能够弄清楚！ :-)

Answer 2

看来，该工作表文件包含作为第一行编号，用作列名。在将工作表转换为数据框之前，您需要删除第一行。我对 gspread API 不是很熟悉，但假设以下应该可以工作：

 data = sheet.get_all_values()[1:]

之后应该可以按名称寻址列。