74

我正在使用read_csv.

我的主题代码是 6 个数字编码，其中包括出生日期。对于我的一些科目，这会导致代码带有前导零（例如“010816”）。

当我导入 Pandas 时，前导零被去除，列格式为int64.

有没有办法将这个列原封不动地导入为字符串？

我尝试为该列使用自定义转换器，但它不起作用 - 似乎自定义转换发生在 Pandas 转换为 int 之前。

4

6 回答 6

68

正如Lev Landau的这个问题/答案中所指出的，可能有一个简单的解决方案来为函数中的某个列使用选项。convertersread_csv

converters={'column_name': lambda x: str(x)}

您可以参考read_csvpandas.io.parsers.read_csv文档中的更多功能选项。

假设我有projects.csv如下 csv 文件：

project_name,project_id
Some Project,000245
Another Project,000478

例如下面的代码正在修剪前导零：

import csv
from pandas import read_csv

dataframe = read_csv('projects.csv')
print dataframe

结果：

me@ubuntu:~$ python test_dataframe.py 
      project_name  project_id
0     Some Project         245
1  Another Project         478
me@ubuntu:~$

解决方案代码示例：

import csv
from pandas import read_csv

dataframe = read_csv('projects.csv', converters={'project_id': lambda x: str(x)})
print dataframe

要求的结果：

me@ubuntu:~$ python test_dataframe.py 
      project_name project_id
0     Some Project     000245
1  Another Project     000478
me@ubuntu:~$

更新，因为它可以帮助其他人：

要将所有列作为 str，可以这样做（来自评论）：

pd.read_csv('sample.csv', dtype = str)

要将大多数或选择性列作为 str，可以这样做：

# lst of column names which needs to be string
lst_str_cols = ['prefix', 'serial']
# use dictionary comprehension to make dict of dtypes
dict_dtypes = {x : 'str'  for x in lst_str_cols}
# use dict on dtypes
pd.read_csv('sample.csv', dtype=dict_dtypes)
于 2014-11-26T08:38:24.937 回答
33

这是一个更短、更强大且完全有效的解决方案：

只需定义变量名称和所需数据类型之间的映射（字典）：

dtype_dic= {'subject_id': str, 
            'subject_number' : 'float'}

使用该映射pd.read_csv()：

df = pd.read_csv(yourdata, dtype = dtype_dic)

瞧！

于 2016-04-29T12:25:28.153 回答
14

如果您有很多列并且您不知道哪些包含可能会丢失的前导零，或者您可能只需要自动化您的代码。您可以执行以下操作：

df = pd.read_csv("your_file.csv", nrows=1) # Just take the first row to extract the columns' names
col_str_dic = {column:str for column in list(df)}
df = pd.read_csv("your_file.csv", dtype=col_str_dic) # Now you can read the compete file

你也可以这样做：

df = pd.read_csv("your_file.csv", dtype=str)

通过这样做，您将所有列都作为字符串，并且您不会丢失任何前导零。

于 2018-12-10T23:22:23.387 回答
3

你可以做到这一点，适用于所有版本的 Pandas

pd.read_csv('filename.csv', dtype={'zero_column_name': object})

于 2019-11-21T06:27:49.800 回答
1

如果您知道宽度，则可以使用converters将数字转换为固定宽度。

例如，如果宽度为 5，则

data = pd.read_csv('text.csv', converters={'column1': lambda x: f"{x:05}"})

这会成功的。它适用于 pandas==0.23.0 和read_excel.

需要 Python3.6 或更高版本。

于 2019-05-01T09:46:54.037 回答
0

我认为您不能以您想要的方式指定列类型（如果最近没有更改并且 6 位数字不是可以转换为日期时间的日期）。您可以尝试使用np.genfromtxt()并DataFrame从那里创建。

编辑：看看 Wes Mckinney 的博客，可能有适合你的东西。似乎有一个新的解析器从pandas 0.1011 月到来。

于 2012-11-06T11:53:58.833 回答