Pandas 中的多個同名列

Question

我正在從 CSV 文件創建dataframe 。 我已經瀏覽了文檔、多個 SO 帖子、鏈接，因為我剛剛開始使用 Pandas 但沒有得到它。 CSV文件有多個列有相同的名字說a 。

那么在形成dataframe ，當我執行df['a']它會返回哪個值？ 它不會返回所有值。

此外，只有一個值會有一個字符串 rest 是None 。 我怎樣才能得到那個專欄？

Answer 1

相關參數是mangle_dupe_cols

從文檔

mangle_dupe_cols : boolean, default True Duplicate columns will be specified as 'X.0'...'X.N', rather than 'X'...'X'

默認情況下，您'a'所有'a'列都命名為'a.0'...'a.N' ，如上所述。

如果您使用mangle_dupe_cols=False ，則導入此csv會產生錯誤。

你可以得到你所有的列

df.filter(like='a')

---

示范

from StringIO import StringIO
import pandas as pd

txt = """a, a, a, b, c, d
1, 2, 3, 4, 5, 6
7, 8, 9, 10, 11, 12"""

df = pd.read_csv(StringIO(txt), skipinitialspace=True)
df

df.filter(like='a')

Answer 2

我有一個類似的問題，不是因為從 csv 讀取，而是我有多個同名的 df 列（在我的例子中是“id”）。 我通過獲取 df.columns 並使用列表重置列名來解決它。

In : df.columns
Out: 
Index(['success', 'created', 'id', 'errors', 'id'], dtype='object')

In : df.columns = ['success', 'created', 'id1', 'errors', 'id2']

In : df.columns
Out: 
Index(['success', 'created', 'id1', 'errors', 'id2'], dtype='object')

從這里開始，我可以調用“id1”或“id2”來獲取我想要的列。

Answer 3

這就是我通常對我的基因表達數據集所做的，因為相同基因的基因序列略有不同，所以相同的基因名稱可能會出現多次：

1. 在我的數據框中創建一個重復列的列表（指的是出現多次的列名）：

duplicated_columns_list = []
list_of_all_columns = list(df.columns)
for column in list_of_all_columns:
    if list_of_all_columns.count(column) > 1 and not column in duplicated_columns_list:
        duplicated_columns_list.append(column)
duplicated_columns_list

2. 使用函數.index()幫助我找到在每次迭代中重復的第一個元素並給它下划線：

for column in duplicated_columns_list:
    list_of_all_columns[list_of_all_columns.index(column)] = column + '_1'
    list_of_all_columns[list_of_all_columns.index(column)] = column + '_2'

這個for循環幫助我強調所有重復的列，現在每列都有一個不同的名稱。

此特定代碼與恰好出現 2 次的列相關，但可以針對在數據框中出現甚至超過 2 次的列進行修改。

3. 最后，使用下划線元素重命名列：

df.columns = list_of_all_columns

就是這樣，我希望它有幫助:)

Answer 4

與 JDenman6 類似（並與您的問題相關），我有兩個同名的 df 列（名為“id”）。 因此，調用

df['id']

返回 2 列。 您可以使用

df.iloc[:,ind]

其中ind對應於列的索引，具體取決於它們在 df 中的排序方式。 您可以使用以下方法找到索引：

indices = [i for i,x in enumerate(df.columns) if x == 'id']

用您要搜索的列的名稱替換“id”。