python – Pandas分层列和csv函数

概述是否有可能以尊重分层列结构的方式通过csv往返数据帧？换句话说,如果我有以下DataFrame： >>> cols = pd.MultiIndex.from_arrays([["foo", "foo", "bar", "bar"], ["a", "b", "c", "d"]])>>> df = pd.DataFrame( 是否有可能以尊重分层列结构的方式通过csv往返数据帧？换句话说,如果我有以下DataFrame：

>>> cols = pd.MultiIndex.from_arrays([["foo","foo","bar","bar"],["a","b","c","d"]])>>> df = pd.DataFrame(np.random.randn(5,4),index=range(5),columns=cols)

执行以下 *** 作失败：

>>> df.to_csv("df.csv",index_label="index")>>> df_new = pd.read_csv("df.csv",index_col="index")>>> assert df.columns == df_new.columns

我在csv保存/读取步骤中缺少一些选项吗？

解决方法 在您具有柱状MultiIndex但是简单索引的特殊情况下,您可以转置DataFrame并使用index_label和index_col,如下所示：

import numpy as npimport pandas as pdcols = pd.MultiIndex.from_arrays([["foo","d"]])df = pd.DataFrame(np.random.randn(5,columns=cols)(df.T).to_csv('/tmp/df.csv',index_label=['first','second'])df_new = pd.read_csv('/tmp/df.csv',index_col=['first','second']).Tassert np.all(df.columns.values == df_new.columns.values)

但不幸的是,如果索引和列都是MultiIndexes,这就引出了一个问题：

这是一个Hacky解决方法：

import numpy as npimport pandas as pdimport astcols = pd.MultiIndex.from_arrays([["foo",columns=cols)print(df)df.to_csv('/tmp/df.csv',index_label='index')df_new = pd.read_csv('/tmp/df.csv',index_col='index')columns = pd.MultiIndex.from_tuples([ast.literal_eval(item) for item in df_new.columns])df_new.columns = columnsdf_new.index.name = Noneprint(df_new)assert np.all(df.columns.values == df_new.columns.values)

当然,如果您只想将DataFrame存储在任何格式的文件中,那么df.save和pd.load提供了一个更愉快的解决方案：

import numpy as npimport pandas as pdcols = pd.MultiIndex.from_arrays([["foo",columns=cols)df.save('/tmp/df.df')df_new = pd.load('/tmp/df.df')assert np.all(df.columns.values == df_new.columns.values)

总结

以上是内存溢出为你收集整理的python – Pandas分层列和csv函数全部内容，希望文章能够帮你解决python – Pandas分层列和csv函数所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。