数据科学 Pandas CSV

Question

我有一个包含 1461 个属性的 csv 文件。我想将它加载到熊猫数据框中。问题是，许多行没有尾随连续列的值。因此 pandas 由于长度不规则而导致解析错误。如何一次性输入前导列的缺失值并将csv文件加载到数据框中？

编辑1 我们可以看到数据集csv文件如下

a,b,c,d,e,f,g,h,i""" 1,2,4,5 1,0,9,8,7,6,5,4,7 1,3,5,6,7 6,7,8,8,9,4,5,3,5""" 我想要一个如下所示的熊猫数据框

"""a b c d e f g h i
   1 2 4 5 ? ? ? ? ?
   1 0 9 8 7 6 5 4 7
   1 3 5 6 7 ? ? ? ?
   6 7 8 8 9 4 5 3 5"""

NaN 代替 ?可以的

我们没有足够的逗号不等长问题。

Answer 1

看来您可以使用read_csv 中的参数names 来作为range 的列名（如果属性是列）：

import pandas as pd
from pandas.compat import StringIO

temp=u"""
a,v
c,v,f,r
b,g
y"""
#after testing replace 'StringIO(temp)' to 'filename.csv'
#in real data change 4 to 1461
names = range(4)
df = pd.read_csv(StringIO(temp), names=names)
print (df)
   0    1    2    3
0  a    v  NaN  NaN
1  c    v    f    r
2  b    g  NaN  NaN
3  y  NaN  NaN  NaN

编辑：

temp=u"""a,b,c,d,e,f,g,h,i
1,2,4,5
1,0,9,8,7,6,5,4,7
1,3,5,6,7
6,7,8,8,9,4,5,3,5"""
#after testing replace 'StringIO(temp)' to 'filename.csv'
df = pd.read_csv(StringIO(temp))
print (df)
   a  b  c  d    e    f    g    h    i
0  1  2  4  5  NaN  NaN  NaN  NaN  NaN
1  1  0  9  8  7.0  6.0  5.0  4.0  7.0
2  1  3  5  6  7.0  NaN  NaN  NaN  NaN
3  6  7  8  8  9.0  4.0  5.0  3.0  5.0