csv - 删除多列

Question

我试图在不使用字段信息的情况下一次删除多个列。我每个月都会从该县收到一份 CSV 文件，其中有多个字段我不想与公众共享。到目前为止，每个月我都会手动删除每个字段。因为我正在尝试学习 python，所以我想学习如何创建一个脚本来完成它。我想删除 58 个字段，所以我不想为每个字段编写脚本，但希望创建一个范围来删除它们。我在这里的论坛上搜索了几个小时，尝试了很多不同的方法，我不知道从哪里开始或停止。任何帮助将不胜感激。

Answer 1

我很懒惰，所以我喜欢尽可能使用现有的库，并且已成为 pandas 的传道者图书馆。使用@Tim Pietzcker 的示例:

Name,Sex,Address,Age
John,M,New York,40
Mary,F,Los Angeles,30

我们可以只保留我们想要使用的列:

import pandas as pd
df = pd.read_csv("to_remove.csv")
keep_cols = ["Name", "Address"]
new_df = df[keep_cols]
new_df.to_csv("removed.csv", index=False)

(我们也可以单行，但我认为这样更清楚。)

---

解释如下。首先，我们可以将文件读入一个名为 DataFrame 的存储对象:

>>> import pandas as pd
>>> df = pd.read_csv("to_remove.csv")
>>> df
   Name Sex      Address  Age
0  John   M     New York   40
1  Mary   F  Los Angeles   30

我们可以从此对象中选择一列或多列:

>>> df[["Name", "Sex"]]
   Name Sex
0  John   M
1  Mary   F

然后写出来:

>>> new_df = df[["Name", "Sex"]]
>>> new_df.to_csv("removed.csv", index=False)

(index=False 位只是告诉它不要添加计算行数的列，即上面的数字 0、1)，生成

Name,Sex
John,M
Mary,F

我们也可以决定只保留以字母“A”开头的列:

>>> [col for col in df.columns if col.startswith("A")]
['Address', 'Age']
>>> df[[col for col in df.columns if col.startswith("A")]]
       Address  Age
0     New York   40
1  Los Angeles   30

或使用 .ix 方法只保留从 #1 到倒数第二个的列:

>>> df.ix[:,1:-1]
  Sex      Address
0   M     New York
1   F  Los Angeles

等等。