python - Pandas 读取缺少一个标头的 csv

Question

我正在尝试使用 Pandas 读取 csv 文件，但第一列包含用逗号分隔的名字和姓氏。这导致 Pandas 认为有 5 列而不是 4 列，因此最后一列现在没有标题，因此无法选择。

该文件如下所示：

CustomerName,ClientID,EmailDate,EmailAddress
FNAME1,LNAME1,100,2019-01-13 00:00:00.000,[e-mail]
FNAME2,LNAME2,100,2019-01-13 00:00:00.000,[e-mail]
FNAME3,LNAME3,100,2019-01-13 00:00:00.000,[e-mail]
FNAME4,LNAME4,100,2019-01-13 00:00:00.000,[e-mail]
FNAME5,LNAME5,100,2019-01-13 00:00:00.000,[e-mail]

我的代码现在的样子：

def convert_ftp_data():
    file = os.getcwd() + "/data.csv"
    data = pd.read_csv(file, index_col=False)

data["first_name"] = data["CustomerName"].str.split().str[0].str.title()
data["email"] = data["EmailAddress"]

clean_data = data.drop(data[["CustomerName", "ClientID", "EmailDate", "EmailAddress"]], 1)

print(clean_data)

使用我的代码，我得到以下输出：

first_name  email
0   FNAME1  2019-01-13 00:00:00.000
1   FNAME1  2019-01-13 00:00:00.000
2   FNAME1  2019-01-13 00:00:00.000
3   FNAME1  2019-01-13 00:00:00.000
4   FNAME1  2019-01-13 00:00:00.000

我只需要选择 FNAME 和 EmailAddress 字段。最好的方法是什么？

标签： pythonpandascsvdataframe

Answer 1

分别阅读标题

使用，pd.read_csv您可以使用nrows和参数：skiprowsnames

from io import StringIO

x = """CustomerName,ClientID,EmailDate,EmailAddress
FNAME1,LNAME1,100,2019-01-13 00:00:00.000,[e-mail]
FNAME2,LNAME2,100,2019-01-13 00:00:00.000,[e-mail]
FNAME3,LNAME3,100,2019-01-13 00:00:00.000,[e-mail]
FNAME4,LNAME4,100,2019-01-13 00:00:00.000,[e-mail]
FNAME5,LNAME5,100,2019-01-13 00:00:00.000,[e-mail]"""

headers = pd.read_csv(StringIO(x), nrows=0).columns
headers = np.hstack((['FirstName', 'LastName'], headers[1:]))

df = pd.read_csv(StringIO(x), header=None, skiprows=[0], names=headers)

print(df)

#   FirstName LastName  ClientID                EmailDate        EmailAddress
# 0    FNAME1   LNAME1       100  2019-01-13 00:00:00.000  [e-mail]
# 1    FNAME2   LNAME2       100  2019-01-13 00:00:00.000    [e-mail]
# 2    FNAME3   LNAME3       100  2019-01-13 00:00:00.000      [e-mail]
# 3    FNAME4   LNAME4       100  2019-01-13 00:00:00.000   [e-mail]
# 4    FNAME5   LNAME5       100  2019-01-13 00:00:00.000      [e-mail]