Python 旧的0.17之前版本pandas.read_csv行为“header=True”用于推断头行？

pandas

read_csv（）

的旧版本在0.17之前是如何解释传递布尔值

header=True

/

False

来推断头行的

我有CSV数据和标题：

col1;col2;col3
1.0;10.0;100.0
2.0;20.0;200.0
3.0;30.0;300.0

如果读取时使用

标题=True

i、 e.

df=pandas.read_csv（'test.csv'，sep='；'，header=True）

,

这将给出以下数据帧：

   1.0  10.0  100.0
0    2    20    200
1    3    30    300

这意味着熊猫使用第二行（“第1行”）作为列名（推断出的名称为“1.0”、“10.0”和“100.0”）

而如果使用

标题读取=False

提供以下信息：

   col1  col2  col3
0     1    10   100
1     2    20   200
2     3    30   300

这意味着pandas使用了第一行（“第0行”）作为标题，尽管我明确地写道没有标题

---

这种行为对我来说不是直觉。有人能解释一下发生了什么吗？

你在告诉熊猫你的标题行是哪一行，通过传递

False

这计算为

0

，这就是为什么它会像预期的那样在第一行中读取标题，当你传递

True

时，它计算为

1

，所以它会读取第二行，如果您传递了

None

，则它认为没有标题行，并将自动生成序号值

In [17]:    
import io
import pandas as pd
t="""col1;col2;col3
1.0;10.0;100.0
2.0;20.0;200.0
3.0;30.0;300.0"""
print('False:\n', pd.read_csv(io.StringIO(t), sep=';', header=False))
print('\nTrue:\n', pd.read_csv(io.StringIO(t), sep=';', header=True))
print('\nNone:\n', pd.read_csv(io.StringIO(t), sep=';', header=None))

False:
    col1  col2  col3
0     1    10   100
1     2    20   200
2     3    30   300

True:
    1.0  10.0  100.0
0    2    20    200
1    3    30    300

None:
       0     1      2
0  col1  col2   col3
1   1.0  10.0  100.0
2   2.0  20.0  200.0
3   3.0  30.0  300.0

更新

---

由于版本

0.17.0

现在将引发一个

对于高于0.17.0的版本，您可以使用

header=0

而不是

header=True

来指定第一行作为头。使用

pd.read_CSV（StringIO（dat），sep='；）的CSV数据

这是一个古老的历史问题，似乎与2015年的0.16行为有关。传递布尔值；现在，您使用int、int列表或“推断”。顺便说一下，整数从0开始，不是1。因此，在您的情况下，您应该说“第1行用作标题”而不是“第二行”。无论如何，现在

pd.read\u csv（…，header=None）

将抑制任何标题。我认为你描述的行为曾经是有缺陷的，但它在0.17左右被修正了。

In [17]:    
import io
import pandas as pd
t="""col1;col2;col3
1.0;10.0;100.0
2.0;20.0;200.0
3.0;30.0;300.0"""
print('False:\n', pd.read_csv(io.StringIO(t), sep=';', header=False))
print('\nTrue:\n', pd.read_csv(io.StringIO(t), sep=';', header=True))
print('\nNone:\n', pd.read_csv(io.StringIO(t), sep=';', header=None))

False:
    col1  col2  col3
0     1    10   100
1     2    20   200
2     3    30   300

True:
    1.0  10.0  100.0
0    2    20    200
1    3    30    300

None:
       0     1      2
0  col1  col2   col3
1   1.0  10.0  100.0
2   2.0  20.0  200.0
3   3.0  30.0  300.0