刪除pandas中產(chǎn)生Unnamed:0列的操作
我們?cè)跀?shù)據(jù)處理，往往不小心，pandas會(huì)“主動(dòng)”加上行和列的名稱，我現(xiàn)在就遇到了這個(gè)問(wèn)題。
這個(gè)是pandas中to_csv生成的數(shù)據(jù)各種拼接之后的最終數(shù)據(jù)（默認(rèn)參數(shù)，index=True,column=True）
Unnamed: 0 ip Unnamed: 0.1 ... 766 767 class 0 0 google.com 0 ... 0.376452 0.148091 0 1 1 facebook.com 1 ... -0.044634 -0.180167 0 2 2 youtube.com 2 ... 0.172028 0.002102 0 3 3 yahoo.com 3 ... 0.286067 -0.269647 0 4 4 baidu.com 4 ... 0.034892 0.445554 0
我們可以看到，第一列 Unnamed：0 ，第三列Unnamed：0，這兩列是我們不想需要的數(shù)據(jù)，產(chǎn)生原因是我們?cè)谏蒫sv文件的時(shí)候，采用的是默認(rèn)參數(shù)，我們可以在生成csv時(shí)候，可以使用下面參數(shù)解決這一個(gè)問(wèn)題。
to_csv()時(shí)候，設(shè)置index=False?；蛘呒由蟟ndex=True, index_label="id"
另外有其他同學(xué)會(huì)說(shuō)了，我不想重復(fù)的再進(jìn)行一遍數(shù)據(jù)處理工作，我就想在我們生成這個(gè)CSV中處理，一樣是可以的，事實(shí)是我也是這么做的。
import pandas as pd
data = pd.read_csv('finalData.csv')
print('一共有多少個(gè)樣本呢？', len(data))
print('展示樣本前4個(gè)數(shù)據(jù)')
print(data.head())
print('打印樣本集的其他詳細(xì)信息：')
print(data.info())
print('=============================開始處理：==============================')
newData = data.loc[:, ~data.columns.str.contains('^Unnamed')]
print(newData.head())
newData.to_csv('myVecData.csv', index=False)
別忘了index=False，不然又生成一列新的這個(gè)不討人喜歡的東西了。列處理也是一樣，有參數(shù)column=False，不再贅述。
最后效果：
=============================開始處理：==============================
ip 0 1 ... 766 767 class
0 google.com 0.282674 -0.359200 ... 0.376452 0.148091 0
1 facebook.com 0.542586 -0.390693 ... -0.044634 -0.180167 0
2 youtube.com 0.598675 -0.679748 ... 0.172028 0.002102 0
3 yahoo.com 0.212740 -0.823602 ... 0.286067 -0.269647 0
4 baidu.com 0.017386 -0.355357 ... 0.034892 0.445554 0
補(bǔ)充：【pandas】pandas每次使用append追加行時(shí)都生成一個(gè)Unnamed列
pandas每次使用append追加行時(shí)多出一個(gè)Unnamed列！
解決辦法：
追加行數(shù)據(jù)前，read_csv函數(shù)讀取數(shù)據(jù)時(shí)， 增加 index_col 參數(shù)，指定哪一行為索引行。
如：
test = pd.read_csv(filename,index_col=0)
以上為個(gè)人經(jīng)驗(yàn)，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教。
相關(guān)文章
Python內(nèi)置函數(shù)locals()的具體示例
本文主要介紹了Python中的內(nèi)置函數(shù)locals()的具體用法和應(yīng)用場(chǎng)景,locals()函數(shù)用于獲取當(dāng)前局部符號(hào)表的字典,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2024-09-09
這篇文章主要介紹了Python的函數(shù)嵌套的使用方法，有需要的朋友可以參考一下2014-01-01
這篇文章主要介紹了深入了解Python中pop和remove的使用方法，具有一定借鑒價(jià)值,需要的朋友可以參考下2018-01-01
條形碼和二維碼是現(xiàn)代信息交換和數(shù)據(jù)存儲(chǔ)的重要工具,它們將信息以圖形的形式編碼,便于機(jī)器識(shí)別和數(shù)據(jù)處理,本文將介紹如何使用Python快速生成各種常見(jiàn)的條形碼如Code 128、EAN-13,以及生成二維碼,需要的朋友可以參考下2024-07-07
Python 實(shí)現(xiàn)簡(jiǎn)單的shell sed替換功能(實(shí)例講解)
下面小編就為大家?guī)?lái)一篇Python 實(shí)現(xiàn)簡(jiǎn)單的shell sed替換功能(實(shí)例講解)。小編覺(jué)得挺不錯(cuò)的，現(xiàn)在就分享給大家，也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧2017-09-09
關(guān)于pytorch求導(dǎo)總結(jié)(torch.autograd)
這篇文章主要介紹了關(guān)于pytorch求導(dǎo)總結(jié)(torch.autograd)，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2023-06-06
在Django admin中編輯ManyToManyField的實(shí)現(xiàn)方法
今天小編就為大家分享一篇在Django admin中編輯ManyToManyField的實(shí)現(xiàn)方法，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2019-08-08
這篇文章主要介紹了收集的幾個(gè)Python小技巧分享,如獲得當(dāng)前機(jī)器的名字、獲取當(dāng)前工作路徑、獲取系統(tǒng)的臨時(shí)目錄等,需要的朋友可以參考下2014-11-11
這篇文章主要介紹了python如何導(dǎo)入自己的模塊，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2022-02-02
Keras 加載已經(jīng)訓(xùn)練好的模型進(jìn)行預(yù)測(cè)操作
這篇文章主要介紹了Keras 加載已經(jīng)訓(xùn)練好的模型進(jìn)行預(yù)測(cè)操作，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-06-06