python - 使用 pandas 读取包含许多命名列标签的 csv 文件

Question

我是 python 版 pandas 的新手。我有一个数据文件，它有多个行标签(每行)和列标签(每列)，例如以下 3 种不同动物(狗、 bat 、鸵鸟)在多个记录时间(星期一早上、白天、晚上)的观察计数数据):

   ''    ,    ''      , colLabel:name    , dog   ,    bat     , Ostrich
   ''    ,    ''      , colLabel:genus   , Canis , Chiroptera , Struthio,
   ''    ,    ''      , colLabel:activity, diurnal,  nocturnal,  diurnal
   day   , time of day,  ''              ,        ,           ,         
  Monday , morning    ,    ''            , 17     ,  5        , 2
  Monday , day        ,    ''            , 63     ,  0        , 34
  Monday , night      ,    ''            , 21     ,  68       , 1
  Friday , day        ,    ''            , 72     ,  0        , 34

我想将这些数据读入 Pandas，其中行和列都是分层组织的。这样做的最佳方法是什么？

Answer 1

您可以使用 read_csv 的 header、index_col 和 tupleize_cols 参数:

In [1]: df = pd.read_csv('foo.csv', header=[0, 1, 2], index_col=[0, 1], tupleize_cols=False, sep='\s*,\s+')

注意:在 0.13 中，tupelize=False 将是默认值，因此您不需要使用它。

获取列级名称需要一些技巧:

In [2]: df.columns.names = df.columns[0]

In [3]: del df[df.columns[0]]

In [4]: df
Out[4]:
colLabel:name           dog         bat    Ostrich
colLabel:genus        Canis  Chiroptera  Struthio,
colLabel:activity   diurnal   nocturnal    diurnal
day    time of day
Monday morning           17           5          2
       day               63           0         34
       night             21          68          1
Friday day               72           0         34