Python 使用Pandas读取CSV时,如何保持列中的前导零?
我正在使用Python 使用Pandas读取CSV时,如何保持列中的前导零?,python,pandas,csv,types,Python,Pandas,Csv,Types,我正在使用read\u csv将研究数据导入熊猫数据框 我的主题代码是6个数字编码,其中包括出生日期。对于我的一些主题,这会导致一个前导为零的代码(例如“010816”) 当我导入Pandas时,前导零被去掉,列的格式为int64 是否有方法将此列导入为字符串 我尝试为列使用自定义转换器,但它不起作用-似乎自定义转换发生在Pandas转换为int之前。我不认为您可以按照您想要的方式指定列类型(如果最近没有更改,并且如果6位数字不是可以转换为datetime的日期)。您可以尝试使用np.genfr
read\u csv
将研究数据导入熊猫数据框
我的主题代码是6个数字编码,其中包括出生日期。对于我的一些主题,这会导致一个前导为零的代码(例如“010816”)
当我导入Pandas时,前导零被去掉,列的格式为int64
是否有方法将此列导入为字符串
我尝试为列使用自定义转换器,但它不起作用-似乎自定义转换发生在Pandas转换为int之前。我不认为您可以按照您想要的方式指定列类型(如果最近没有更改,并且如果6位数字不是可以转换为datetime的日期)。您可以尝试使用
np.genfromtxt()
并从那里创建DataFrame
编辑:看看韦斯·麦金尼的,可能有适合你的东西。似乎11月将有一个来自pandas 0.10
的新解析器出现。如中所示,对于read\u csv
函数中的某一列,可能有一个简单的解决方案使用转换器
选项
converters={'column_name': lambda x: str(x)}
您可以参考pandas.io.parsers.read_csv中的read_csv
Function的更多选项
假设我有csv文件projects.csv
,如下所示:
project_name,project_id
Some Project,000245
Another Project,000478
例如,下面的代码正在修剪前导零:
import csv
from pandas import read_csv
dataframe = read_csv('projects.csv')
print dataframe
结果:
me@ubuntu:~$ python test_dataframe.py
project_name project_id
0 Some Project 245
1 Another Project 478
me@ubuntu:~$
解决方案代码示例:
import csv
from pandas import read_csv
dataframe = read_csv('projects.csv', converters={'project_id': lambda x: str(x)})
print dataframe
所需结果:
me@ubuntu:~$ python test_dataframe.py
project_name project_id
0 Some Project 000245
1 Another Project 000478
me@ubuntu:~$
在帮助他人时更新:
要将所有列作为str,可以这样做(从注释中):
要将大多数或选择性列作为str,可以执行以下操作:
# lst of column names which needs to be string
lst_str_cols = ['prefix', 'serial']
# use dictionary comprehension to make dict of dtypes
dict_dtypes = {x : 'str' for x in lst_str_cols}
# use dict on dtypes
pd.read_csv('sample.csv', dtype=dict_dtypes)
以下是一个简短、健壮且完全有效的解决方案: 只需定义变量名和所需数据类型之间的映射(字典):
dtype_dic= {'subject_id': str,
'subject_number' : 'float'}
将该映射与pd.read\u csv()
一起使用:
瞧 如果您有很多列,但不知道哪些列包含前导零,那么可能会遗漏,或者您可能只需要自动执行代码。您可以执行以下操作:
df = pd.read_csv("your_file.csv", nrows=1) # Just take the first row to extract the columns' names
col_str_dic = {column:str for column in list(df)}
df = pd.read_csv("your_file.csv", dtype=col_str_dic) # Now you can read the compete file
你也可以这样做:
df = pd.read_csv("your_file.csv", dtype=str)
通过这样做,您将使所有列都成为字符串,并且不会丢失任何前导零。如果您知道宽度,您可以使用
转换器将数字转换为固定宽度
例如,如果宽度为5,则
data = pd.read_csv('text.csv', converters={'column1': lambda x: f"{x:05}"})
这样就行了。它适用于pandas==0.23.0,也适用于read\u excel
需要Python3.6或更高版本。您可以这样做,适用于所有版本的Pandas
pd.read\u csv('filename.csv',dtype={'zero\u column\u name':object})
该版本中的功能现在已经在c-parser分支上完成,应该在0.10版本中发布。我刚刚发布了一个快速版本#2184,很快将包含在即将发布的0.9.1中。但是,是的,在这里使用数据类型应该是首选行为,所以只需在大约一个月左右的时间内留意0.10。如果您升级到github master上的最新版本(即使用转换器),您现在应该可以让它工作了@Changse谢谢,使用最新的github版本,我的转换器确实可以工作!尽管期待0.10更干净的解决方案……Wes Mckinney的博客页面是404。您的可能副本还可以包括许多其他数据类型、float
和其他数据类型。我相信这是最泛泛的解决方案查询:在dtype_dic json中,为什么str没有引号,但在引号中浮动?我必须循环使用不同列的不同csv。此函数获取所有列映射,并且在表中没有列时不会出错。因此,我能够在一个dtype\u dic
中定义所有不同表中的所有列(作为字符串读取),并将其用于所有csv。谢谢我相信这也是最好的解决方案:)这对我来说不起作用(python3.6,pandas 0.22.0);我仍然丢失了前导零。如何给出多列??多列:请参阅以上答案中的更新信息。谢谢
df = pd.read_csv("your_file.csv", dtype=str)
data = pd.read_csv('text.csv', converters={'column1': lambda x: f"{x:05}"})