¿Cómo deshacerse de la columna "Sin nombre: 0" en un DataFrame de pandas leído desde un archivo CSV?
Tengo una situación en la que a veces, cuando leo un csvfrom df, aparece una columna similar a un índice no deseada llamada unnamed:0.
file.csv
,A,B,C
0,1,2,3
1,4,5,6
2,7,8,9
El CSV se lee con esto:
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
¡Esto es muy molesto! ¿Alguien tiene una idea sobre cómo deshacerse de esto?
Es la columna de índice, pase pd.to_csv(..., index=False)para no escribir una columna de índice sin nombre en primer lugar, consulte los to_csv()documentos .
Ejemplo:
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
Comparar con:
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
Opcionalmente, también puedes saber read_csvque la primera columna es la columna de índice pasando index_col=0:
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
Esto generalmente se debe a que su CSV se guardó junto con un índice (sin nombre) ( RangeIndex).
(En realidad, la solución debería realizarse al guardar el DataFrame, pero esta no siempre es una opción).
Solución alternativa: read_csvcon index_col=[0] argumento
En mi opinión, la solución más sencilla sería leer la columna sin nombre como índice . Especifique un index_col=[0]argumento para pd.read_csv, esto se lee en la primera columna como índice. (Tenga en cuenta los corchetes).
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
Nota
Podrías haber evitado esto en primer lugarindex=Falsesi el CSV de salida se creó en pandas, si tu DataFrame no tiene un índice para empezar:df.to_csv('file.csv', index=False)Pero como se mencionó anteriormente, esta no siempre es una opción.
Solución provisional: filtrado constr.match
Si no puede modificar el código para leer/escribir el archivo CSV, puede simplemente eliminar la columna filtrando con str.match:
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
