152

我遇到一种情况，有时当我csv从中读取时，会df得到一个不需要的类似索引的列，名为unnamed:0。

file.csv

,A,B,C
0,1,2,3
1,4,5,6
2,7,8,9

CSV读取与此：

pd.read_csv('file.csv')

   Unnamed: 0  A  B  C
0           0  1  2  3
1           1  4  5  6
2           2  7  8  9

这很烦人！有谁知道如何摆脱这一点？

— 迈克尔·珀杜（Michael Perdue）
source

186

它是索引列，请传递index=False以不将其写出，请参阅文档

例：

In [37]:
df = pd.DataFrame(np.random.randn(5,3), columns=list('abc'))
pd.read_csv(io.StringIO(df.to_csv()))

Out[37]:
   Unnamed: 0         a         b         c
0           0  0.109066 -1.112704 -0.545209
1           1  0.447114  1.525341  0.317252
2           2  0.507495  0.137863  0.886283
3           3  1.452867  1.888363  1.168101
4           4  0.901371 -0.704805  0.088335

与之比较：

In [38]:
pd.read_csv(io.StringIO(df.to_csv(index=False)))

Out[38]:
          a         b         c
0  0.109066 -1.112704 -0.545209
1  0.447114  1.525341  0.317252
2  0.507495  0.137863  0.886283
3  1.452867  1.888363  1.168101
4  0.901371 -0.704805  0.088335

您还可以选择read_csv通过传递index_col=0以下内容来判断第一列是索引列：

In [40]:
pd.read_csv(io.StringIO(df.to_csv()), index_col=0)

Out[40]:
          a         b         c
0  0.109066 -1.112704 -0.545209
1  0.447114  1.525341  0.317252
2  0.507495  0.137863  0.886283
3  1.452867  1.888363  1.168101
4  0.901371 -0.704805  0.088335

— 埃德·楚姆
source

很多时候，您从其他地方获取的数据集已经包含此列，因此，它实际上对了解如何使用正确的参数生成“正确的”数据集没有帮助。有没有办法消除已装入的该列？

— 加尔文·库

2

不幸的是，@CalvinKu没有skipcolsarg read_csv，在csv中读取后您可以做，df = df.drop(columns=df.columns[0])或者您可以先读取列，然后将cols减去第一列cols = pd.read_csv( ....., nrows=1).columns，然后重新读取，df = pd.read_csv(....., usecols=cols[1:])这样可以避免读取的开销多余的列，然后将其放下

— EdChum

43

由于您的CSV及其CSV文件RangeIndex（通常没有名称）一起保存，因此很可能会出现此问题。在保存DataFrame时，实际上需要完成此修复，但这并不总是一种选择。

避免问题：`read_csv`带有`index_col` 参数

IMO，最简单的解决方案是将未命名的列作为index读取。将index_col=[0]参数指定为pd.read_csv，它将在第一列中读取作为索引。

df = pd.DataFrame('x', index=range(5), columns=list('abc'))
df

   a  b  c
0  x  x  x
1  x  x  x
2  x  x  x
3  x  x  x
4  x  x  x

# Save DataFrame to CSV.
df.to_csv('file.csv')

pd.read_csv('file.csv')

   Unnamed: 0  a  b  c
0           0  x  x  x
1           1  x  x  x
2           2  x  x  x
3           3  x  x  x
4           4  x  x  x

# Now try this again, with the extra argument.
pd.read_csv('file.csv', index_col=[0])

   a  b  c
0  x  x  x
1  x  x  x
2  x  x  x
3  x  x  x
4  x  x  x

注意如果DataFrame没有索引开头，则可以
通过index=False在创建输出CSV时使用来避免这种情况。
df.to_csv('file.csv', index=False)
但是如上所述，这并不总是一种选择。

权宜之计解决方案：过滤 `str.match`

如果您无法修改代码以读取/写入CSV文件，则可以通过使用str.match以下：

df 

   Unnamed: 0  a  b  c
0           0  x  x  x
1           1  x  x  x
2           2  x  x  x
3           3  x  x  x
4           4  x  x  x

df.columns
# Index(['Unnamed: 0', 'a', 'b', 'c'], dtype='object')

df.columns.str.match('Unnamed')
# array([ True, False, False, False])

df.loc[:, ~df.columns.str.match('Unnamed')]

   a  b  c
0  x  x  x
1  x  x  x
2  x  x  x
3  x  x  x
4  x  x  x

— cs95
source

1

非常感谢！该index_col=[0]修补程序轻松解决了“ unnamed：0”这个烦人的问题，并避免了冗长的重新发明轮子的代码。

— user48115 '19

1

要使用“未命名的列”，您还可以使用正则表达式，例如df.drop(df.filter(regex="Unname"),axis=1, inplace=True)

— Sarah

8

可能发生这种情况的另一种情况是，如果您的数据被不正确地写入到您的数据中，以致csv每一行都以逗号结尾。Unnamed: x当您尝试将数据读入时，这将在数据末尾留下一个未命名的列df。

— 布伦丹
source

2

我曾经usecols=range(0,10)剪掉未命名的专栏

— Nash

8

要使用所有未命名列，您还可以使用正则表达式，例如 df.drop(df.filter(regex="Unname"),axis=1, inplace=True)

— 莎拉
source

2

只需使用以下命令删除该列： del df['column_name']

— 萨林
source

如何摆脱熊猫DataFrame中的“未命名：0”列？

避免问题：read_csv带有index_col 参数

权宜之计解决方案：过滤 str.match

避免问题：`read_csv`带有`index_col` 参数

权宜之计解决方案：过滤 `str.match`