Python Pandas - 使用 For 语句添加列名称

Question

我正在尝试导入Semeion Handwritten Digit Data Set作为 pandas DataFrame，但第一行被视为列名称。

df.head()
   0.0000  0.0000.1  0.0000.2  0.0000.3  0.0000.4  0.0000.5  1.0000  1.0000.1  \
0     0.0       0.0       0.0       0.0       0.0       1.0     1.0       1.0   
1     0.0       0.0       0.0       0.0       0.0       0.0     0.0       0.0   
2     0.0       0.0       0.0       0.0       0.0       0.0     1.0       1.0   
3     0.0       0.0       0.0       0.0       0.0       0.0     0.0       0.0   
4     0.0       0.0       0.0       0.0       1.0       1.0     1.0       1.0   

   1.0000.2  1.0000.3 ...   1  0  0.1  0.2  0.3  0.4  0.5  0.6  0.7  0.8  
0       1.0       1.0 ...   1  0    0    0    0    0    0    0    0    0  
1       0.0       1.0 ...   1  0    0    0    0    0    0    0    0    0  
2       1.0       1.0 ...   1  0    0    0    0    0    0    0    0    0  
3       0.0       1.0 ...   1  0    0    0    0    0    0    0    0    0  
4       1.0       1.0 ...   1  0    0    0    0    0    0    0    0    0  

[5 rows x 266 columns]

由于 DataFrame 有 266 列，我尝试使用 lambda 和 for 循环将数字指定为列名称......使用以下代码:

df = pd.read_csv("http://archive.ics.uci.edu/ml/machine-learning-databases/semeion/semeion.data", delimiter = r"\s+",
                names = (lambda x: x for x in range(0,266)) )

但是我得到了奇怪的列名称，例如:

>>> df.head(2)
   <function <genexpr>.<lambda> at 0x04F4E588>  \
0                                          0.0   
1                                          0.0   

   <function <genexpr>.<lambda> at 0x04F4E618>  \
0                                          0.0   
1                                          0.0   

   <function <genexpr>.<lambda> at 0x04F4E660>  \
0                                          0.0   
1                                          0.0   

如果我删除括号，则代码会引发语法错误:

>>> df = pd.read_csv("http://archive.ics.uci.edu/ml/machine-learning-databases/semeion/semeion.data", delimiter = r"\s+",
                names = lambda x: x for x in range(0,266) )
SyntaxError: invalid syntax

谁能告诉我:

1) 如何获取数字形式的列名称...从 0 到 266

2)如果我得到一个以第一行作为列名的 DataFrame，我如何将其下推并添加新的列名，而不丢失第一行？

TIA

Answer 1

我认为您需要参数 header=None 或 names=range(266) 来设置 read_csv 中列的默认名称:

url = "http://archive.ics.uci.edu/ml/machine-learning-databases/semeion/semeion.data"
df = pd.read_csv(url, sep = r"\s+", header=None)

<小时/>

df = pd.read_csv(url, sep = r"\s+", names=range(266))