python-3.x - 具有重复名称的 Pandas read_table

Question

在指定重复列名的同时读取表格时 - 假设有两个不同的名称 - pandas 0.16.1 将一遍又一遍地复制数据的最后两列。

In [1]:
​
df = pd.read_table('Datasets/tbl.csv', header=0, names=['one','two','one','two','one']) 
df

tbl.csv 包含一个包含 5 个不同列的表格。将重复最后两个而不是给出所有列。

Out[1]:
one two one two one
0   0.132846    0.120522    0.132846    0.120522    0.132846
1   -0.059710   -0.151850   -0.059710   -0.151850   -0.059710
2   0.003686    0.011072    0.003686    0.011072    0.003686
3   -0.220749   -0.029358   -0.220749   -0.029358   -0.220749

实际表格中的每一列都有不同的值。在这里，重复相同的两列(对应于文件中的最后两列)。没有给出错误或警告。

您认为这是错误还是有意为之？我发现像这样默默地改变输入是非常危险的。还是我的无知？

Answer 1

在索引中使用重复值本质上是有问题的。它们导致歧义。您认为运行良好的代码可能会在具有非唯一索引的 DataFrame 上突然失败。 argmax，例如，可以 lead to a similar pitfall当 DataFrame 在索引中有重复时。

最好避免在(行或列)索引，如果可以的话。如果您需要使用非唯一索引，请谨慎使用。仔细检查重复值对代码行为的影响。

在这种情况下，您可以使用

df = pd.read_csv('data', header=None) 
df.columns = ['one','two','one','two','one']

相反。