根据行中的第一个值向数据框添加新列

Question

我有这样的数据框：

>>> import pandas as pd

>>> pd.read_csv('csv/10_no_headers_with_com.csv')
                  //field  field2
0   //first field is time     NaN
1                 132605     1.0
2                 132750     2.0
3                 132772     3.0
4                 132773     4.0
5                 133065     5.0
6                 133150     6.0

我想添加另一个字段，说明第一个字段的第一个值是否是注释字符// 。 到目前为止，我有这样的事情：

# may not have a heading value, so use the index not the key
df[0].str.startswith('//')  

使用此值添加新列的正确方法是什么，以便结果如下所示：

pd>>> pd.read_csv('csv/10_no_headers_with_com.csv', header=None)
                       0       1       _starts_with_comment
0                 //field  field2       True
1  //first field is time     NaN       True
2                 132605       1       False
3                 132750       2       False
4                 132772       3       False

Answer 1

一种方法是使用pd.to_numeric ，假设第一列中的非数字数据必须指示注释：

df = pd.read_csv('csv/10_no_headers_with_com.csv', header=None)
df['_starts_with_comment'] = pd.to_numeric(df[0], errors='coerce').isnull()

请注意，强烈建议不要使用系列中的这种混合类型。 您的前两个系列将不再支持矢量化操作，因为它们将存储在object dtype系列中。 你失去了熊猫的一些主要好处。

更好的想法是使用csv模块在文件顶部提取这些属性并将它们存储为单独的变量。 这是一个如何实现这一目标的例子。

Answer 2

您的命令有什么问题，只需分配给新列？：

df['comment_flag'] = df[0].str.startswith('//')

或者你确实有jpp提到的混合型列？

---

编辑：
我不太确定，但是从你的评论中我得到的印象是你并不需要额外的评论标记列。 如果您想要将没有注释的数据加载到数据框中，但仍然使用在注释标题中隐藏的字段名称作为列名称，您可能需要检查一下：
所以基于这个文本文件：

//field  field2
//first field is time     NaN
132605     1.0
132750     2.0
132772     3.0
132773     4.0
133065     5.0
133150     6.0

你可以这样做：

cmt = '//'

header = []
with open(textfilename, 'r') as f:
    for line in f:
        if line.startswith(cmt):
            header.append(line)
        else:                      # leave that out if collecting all comments of entire file is ok/wanted
            break
print(header)
# ['//field  field2\n', '//first field is time     NaN\n']  

这样，您就可以准备用于例如列名的标题信息。
从第一个标题行获取名称并将其用于pandas导入就像

nms = header[0][2:].split()
df = pd.read_csv(textfilename, comment=cmt, names=nms, sep='\s+ ', engine='python')

    field  field2                                           
0  132605     1.0                                         
1  132750     2.0                                       
2  132772     3.0                                      
3  132773     4.0                                       
4  133065     5.0                                       
5  133150     6.0                                       

Answer 3

尝试这个：

import pandas as pd
import numpy as np

df.loc[:,'_starts_with_comment'] = np.where(df[0].str.startswith(r'//'), True, False)