在 csv 导入 pandas 期间跳过行

Question

我正在尝试使用

pandas.read_csv()

导入 .csv 文件，但是，我不想导入数据文件的第二行（索引 = 1 的行表示 0 索引）。

我不知道如何不导入它，因为命令使用的参数似乎不明确：

来自pandas网站：

skiprows

：类似列表或整数

要跳过的行号（0-索引）或要跳过的行数（int） 文件的开头。”

如果我将

skiprows=1

放入参数中，它如何知道是跳过第一行还是跳过索引为 1 的行？

Answer 1

你可以自己尝试一下：

>>> import pandas as pd
>>> from io import StringIO
>>> s = """1, 2
... 3, 4
... 5, 6"""
>>> pd.read_csv(StringIO(s), skiprows=[1], header=None)
   0  1
0  1  2
1  5  6
>>> pd.read_csv(StringIO(s), skiprows=1, header=None)
   0  1
0  3  4
1  5  6

Answer 2

我还没有评论的声誉，但我想添加到alko答案以供进一步参考。

来自文档：

skiprows：文件中要跳过的行的数字集合。也可以是一个整数来跳过前 n 行

Answer 3

我在读取 csv 文件时运行跳行时遇到了同样的问题。 我正在做skip_rows=1，这是行不通的

简单的示例给出了如何在读取 csv 文件时使用跳行的想法。

import pandas as pd

#skiprows=1 will skip first line and try to read from second line
df = pd.read_csv('my_csv_file.csv', skiprows=1)  ## pandas as pd

#print the data frame
df

Answer 4

所有这些答案都忽略了一个重要点——第 n 行是文件中的第 n 行，而不是数据集中的第 n 行。我遇到过这样的情况：我从美国地质调查局下载了一些过时的流量计数据。数据集的头部用“#”进行注释，之后的第一行是标签，接下来是描述日期类型的行，最后是数据本身。我不知道有多少注释行，但我知道前几行是什么。示例：

> # ----------------------------- WARNING ----------------------------------
> # Some of the data that you have obtained from this U.S. Geological Survey database
> # may not have received Director's approval. ... agency_cd    site_no datetime    tz_cd   139719_00065    139719_00065_cd
> 5s    15s 20d 6s  14n 10s USGS    08041780    2018-05-06 00:00    CDT 1.98    A

如果有一种方法可以自动跳过第 n 行和第 n 行，那就太好了。

请注意，我能够通过以下方式解决我的问题：

import pandas as pd
ds = pd.read_csv(fname, comment='#', sep='\t', header=0, parse_dates=True)
ds.drop(0, inplace=True)

Answer 5

read_csv

中的索引指的是 csv 文件中的行号/行号（第一行的索引为 0）。您可以使用以下选项来跳过行：

from io import StringIO

csv = \
"""col1,col2
1,a
2,b
3,c
4,d
"""
pd.read_csv(StringIO(csv))

# Output:
   col1 col2  # index 0
0     1    a  # index 1
1     2    b  # index 2
2     3    c  # index 3
3     4    d  # index 4

在文件开头跳过两行（索引 0 和 1）。列名称也会被跳过（索引 0），顶行用于列名称。要添加列名称，请使用

names = ['col1', 'col2']

 参数：

pd.read_csv(StringIO(csv), skiprows=2)

# Output:
   2  b
0  3  c
1  4  d

跳过第二行和第四行（索引 1 和 3）：

pd.read_csv(StringIO(csv), skiprows=[1, 3])

# Output:
   col1 col2
0     2    b
1     4    d

跳过最后两行：

pd.read_csv(StringIO(csv), engine='python', skipfooter=2)

# Output:
   col1 col2
0     1    a
1     2    b

使用 lambda 函数跳过每隔一行（索引 1 和 3）：

pd.read_csv(StringIO(csv), skiprows=lambda x: (x % 2) != 0)

# Output:
   col1 col2
0     2    b
1     4    d

Answer 6

skip[1]

 将跳过第二行，而不是第一行。