Python 熊猫弄乱了DataFrame.from_csv上的日期列

我正在使用Python3.4.0，pandas==0.16.2。我有CSV文件中的足球队结果，其中包含以下列：日期、地点、goals.scored、goals.lost、result。“at”列可以有三个值（H、A、N）中的一个，分别表示比赛是在球队的主场、客场还是在中立地进行。以下是其中一个文件的标题：

date,at,goals.scored,goals.lost,result
16/09/2014,A,0,2,2
01/10/2014,H,4,1,1
22/10/2014,A,2,1,1
04/11/2014,H,3,3,0
26/11/2014,H,2,0,1
09/12/2014,A,4,1,1
25/02/2015,H,1,3,2
17/03/2015,A,2,0,1
19/08/2014,A,0,0,0

当我以常规方式将此文件加载到pandas.DataFrame中时：

import pandas as pd
aTeam = pd.DataFrame.from_csv("teamA-results.csv")

前两列“date”和“at”似乎被视为一列，我得到的数据帧格式不正确，如下所示：

aTeam.dtypes

at              object
goals.scored     int64
goals.lost       int64
result           int64
dtype: object

aTeam

    at  goals.scored    goals.lost  result
date                
2014-09-16  A   0   2   2
2014-01-10  H   4   1   1
2014-10-22  A   2   1   1
2014-04-11  H   3   3   0
2014-11-26  H   2   0   1
...

代码块没有清楚地反映出损坏情况，因此我附上了Jupyter笔记本的屏幕截图：

如您所见，“date”和“at”列似乎被视为对象类型的一列：

aTeam['at']

date
2014-09-16    A
2014-01-10    H
2014-10-22    A
2014-04-11    H
2014-11-26    H
2014-09-12    A

起初，我认为日期前后缺少引号是造成这个问题的原因，所以我添加了引号，但没有任何帮助，因此我引用了“at”列中的所有值，但仍然没有解决问题。我在CSV文件中尝试了单引号和双引号。有趣的是，在“date”和“at”中的值周围使用无引号或双引号可以产生与上面相同的结果。单引号被解释为“at”列中值的一部分，但不在日期列中：

添加

parse_dates=True

参数对数据帧没有任何影响

---

在R中使用这些CSV文件时，我没有遇到此类问题。我将非常感谢您在这方面的帮助。

我可以使用from\u CSV复制您的问题，问题是它使用列0作为索引，因此传递

index\u col=None

将起作用：

索引列：int或sequence，默认为0

用于索引的列。如果给定序列，则使用多索引。不同于read_表的默认值

输出：

         date at  goals.scored  goals.lost  result
0  16/09/2014  A             0           2       2
1  01/10/2014  H             4           1       1
2  22/10/2014  A             2           1       1
3  04/11/2014  H             3           3       0
4  26/11/2014  H             2           0       1
5  09/12/2014  A             4           1       1
6  25/02/2015  H             1           3       2
7  17/03/2015  A             2           0       1
8  19/08/2014  A             0           0       0

         date at  goals.scored  goals.lost  result
0  16/09/2014  A             0           2       2
1  01/10/2014  H             4           1       1
2  22/10/2014  A             2           1       1
3  04/11/2014  H             3           3       0
4  26/11/2014  H             2           0       1
5  09/12/2014  A             4           1       1
6  25/02/2015  H             1           3       2
7  17/03/2015  A             2           0       1
8  19/08/2014  A             0           0       0

使用Odr。根据您尝试的

quotechar

这是一个有效的参数，它可以正常工作，并且可能是您想要的：

import pandas as pd


aTeam = pd.read_csv("in.csv")

输出：

         date at  goals.scored  goals.lost  result
0  16/09/2014  A             0           2       2
1  01/10/2014  H             4           1       1
2  22/10/2014  A             2           1       1
3  04/11/2014  H             3           3       0
4  26/11/2014  H             2           0       1
5  09/12/2014  A             4           1       1
6  25/02/2015  H             1           3       2
7  17/03/2015  A             2           0       1
8  19/08/2014  A             0           0       0

         date at  goals.scored  goals.lost  result
0  16/09/2014  A             0           2       2
1  01/10/2014  H             4           1       1
2  22/10/2014  A             2           1       1
3  04/11/2014  H             3           3       0
4  26/11/2014  H             2           0       1
5  09/12/2014  A             4           1       1
6  25/02/2015  H             1           3       2
7  17/03/2015  A             2           0       1
8  19/08/2014  A             0           0       0

我在这里没有问题（使用Python2.7、16.2）。我使用了您粘贴的文本，在我的桌面上创建了一个.csv文件，并使用两种方法将其加载到Pandas中

import pandas as pd

a = pd.read_csv('test.csv')
b = pd.DataFrame.from_csv('test.csv')

>>>a
         date at  goals.scored  goals.lost  result
0  16/09/2014  A             0           2       2
1  01/10/2014  H             4           1       1
2  22/10/2014  A             2           1       1
3  04/11/2014  H             3           3       0
4  26/11/2014  H             2           0       1
5  09/12/2014  A             4           1       1
6  25/02/2015  H             1           3       2
7  17/03/2015  A             2           0       1
8  19/08/2014  A             0           0       0


>>>b
           at  goals.scored  goals.lost  result
date                                           
2014-09-16  A             0           2       2
2014-01-10  H             4           1       1
2014-10-22  A             2           1       1
2014-04-11  H             3           3       0
2014-11-26  H             2           0       1
2014-09-12  A             4           1       1
2015-02-25  H             1           3       2
2015-03-17  A             2           0       1
2014-08-19  A             0           0       0

在如何处理索引方面，您可以看到read_csv和from_csv命令之间的不同行为。然而，我看不到任何像你提到的问题。您可以尝试进一步定义read_csv参数，尽管我怀疑这会产生实质性的影响

---

您能否通过aTeam['at']查询数据帧，确认您的日期和“at”列被粉碎在一起，并查看结果如何？

我在帖子中添加了aTeam['at']的输出。看起来这里没有问题。您的索引名为“date”，这就是为什么在查询aTeam['at']时会显示“date”，但这只是索引。根据EdChum的建议，切换到read_csv，如上面的示例“a”所示。我想如果你做一个aTeam.descripe（）你会发现一切都井然有序。你的解释似乎是正确的，很可能这就是为什么将index\u col=None添加到from\u csv解决了问题。我永远也不知道为什么我的答案会被否决。所以有时候对我来说可能是个谜……只是说，@tknepp那-1不是我的。我无法重现你的错误，1。不要使用csv中的

，因为它不再被更新，请使用熊猫。阅读csv，2。来自csv的
的
index\u col
参数默认为
index\u col=0
这就是第一列被视为索引的原因。当我加载您的数据时，我将日期作为索引，而不是'date'和'at'@Padraig，我删除了对read_csv doc页面的引用，因为它们是不相关的-我不想包含它。@Padraig:好吧！index_col=None解决了这个问题。谢谢。@Padraic，但即使添加index_col=None也不能解决这个问题。我不相信他的专栏会像声称的那样被粉碎，相反，当加载from_csv时，索引被命名为“date”，他感到困惑。您能确认这些列实际上是连接在一起的吗？@tnknapp，添加index_col=None确实解决了这个问题，date不再被视为索引，因此不确定您要添加什么mean@Padraic，当然，但OP认为索引和第一列被连接到一列中，我无法复制。如果你能重现这个问题，那将是非常有趣的。