如何使用 pandas.read_csv() 将索引数据读取为字符串？

Question

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。

Answer 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

Answer 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])