python - 如何将第一列定义为 pd.read_csv 中的名称

Question

我无法读取/插入 csv 文件的第一列，我已经在 csv 文件中设置了名称，但是，如果我键入 name=['...','...' 等]， python 将再次设置它们，我最终会得到 2 次名称，我想将 csv 中的数据实现为 pd.read_csv 的名称。

    import pandas as pd
    import tkFileDialog
    import numpy as np
    import warnings
    warnings.filterwarnings('ignore')

    rating=tkFileDialog.askopenfilename()
    df = pd.read_csv(rating, sep='\t')
    print df.head()


    movies=tkFileDialog.askopenfilename()
    movie_titles=pd.read_csv(movies)
    print movie_titles.head

    df=pd.merge(df,movies,on='movieId')
    print df.head()

错误是:

Traceback (most recent call last):
  File "C:/Users/Umer Selmani/Desktop/MP2/test panda.py", line 16, in <module>
    df=pd.merge(df,movies,on='movieId')
  File "C:\Users\Umer Selmani\Desktop\MP2\venv\lib\site-packages\pandas\core\reshape\merge.py", line 47, in merge
    validate=validate)
  File "C:\Users\Umer Selmani\Desktop\MP2\venv\lib\site-packages\pandas\core\reshape\merge.py", line 480, in __init__
    right = validate_operand(right)
  File "C:\Users\Umer Selmani\Desktop\MP2\venv\lib\site-packages\pandas\core\reshape\merge.py", line 1752, in validate_operand
    'a {obj} was passed'.format(obj=type(obj)))
TypeError: Can only merge Series or DataFrame objects, a <type 'unicode'> was passed

Answer 1

我不确定我是否明白你想做什么，但据我所知，那里可能存在三个问题:

1. df 错误地尝试合并自身；
2. merge 生成重复的列(和值)；
3. merge 尝试使用 unicode；

第一个问题是错误。您的变量 df 正在尝试将自身合并到另一个变量 (movie_titles)，但语法不正确。

试试这个，而不是:

df = df.merge(movie_titles, on='movieId')

第二个问题不是问题:实际上它是默认的。当您合并两个具有相同列标题的数据集时，您会得到 header_x 和 header_y。

例如:

    header1_x    header2_x    header1_y    header2_y
0           a            f            a            f
1           b            g            b            g
2           c            h            c            h
3           d            i            d            i

解决它的一种方法——一种不会让你花太多心思的方法——是删除你不想要的列:

df = df[[header1_x, header2_x]]

第三个问题与unicode 对象有关。这意味着 header movieId 可能未正确编码。

如果在您处理前面的问题后它仍然存在，请尝试 unicodedata(请参阅 doc):

import unicodedata
unicodedata.normalize("NFKD", df).encode("ascii',"ignore')