为什么熊猫数据框将列名显示为'未命名：1'，未命名：2'，.......'未命名：n'

Question

问题：我得到了一个来自第三方的csv文件（带有分隔符~ ），大约有 4000 条记录，并且有 150 列具有真实列名，例如FirstName~LastName~OrderID~City~..... 但是当文件被加载到pandas dataframe df并且当我使用print(list(df.columns))时，它显示列名如下（为简洁起见，我对其进行了简化）：

['ÿþA', 'Unnamed: 1', 'Unnamed: 2', 'Unnamed: 3', 'Unnamed: 4',,,,,'Unnamed: 49']

问题：我可能做错了什么，我们如何解决这个问题以简单地在 df 中显示真实的列名？ 我正在使用最新版本的python 。 我看到了一些相关的文章，例如这篇文章，但它们都与一个专栏有关。

备注：这是一个UTF-16 LE BOM文件。 我在我的代码中发现了这个问题，我引用了一个列作为df['OrdeID']并且我很清楚KeyError这意味着您正在引用一个不存在的列。

代码：

import pandas as pd

df = pd.read_csv('/dbfs/FileStore/tables/MyDataFile.txt', sep='~', low_memory=False, quotechar='"', header='infer', encoding='cp1252')

print(df['OrdId'])

MyDataFile.txt 示例：

FirstName~LastName~OrderID~City~.....
Kim~Doe~1234~New York~...............
Bob~Mason~456~Seattle~...............
..................

Answer 1

你确定你有正确的编码吗？

当以 cp1252 编码读取时，我看到您的数据文件以ÿþ开头。 这看起来像一个 UTF16 字节顺序标记 (BOM。) Wikipedia 有一张这些 的表，如果您查看该表，您会发现它与 UTF16-LE（小端序）匹配。

一旦你找出正确的编码，你可以通过调用pd.read_csv(..., encoding='...')告诉 Pandas 使用什么编码。 要弄清楚在编码字段中放置什么，您可以查阅此表。 如果你想要 UTF16-LE，那就是'utf_16_le' 。

更多信息：

read_csv 上的 Pandas 文档

这是什么“ÿþA”？ 这是同一个问题，但是关于 R 而不是 Python。

Answer 2

嘿，您不能直接使用它，并且想根据我的理解通过重命名它来使用另一种方法，它不存在

尝试使用

df.rename(columns={'Unnamed: 0':'new name0','Unnamed: 1':'new name1'}, inplace=True)