pandas에서 Unnamed:0 열을 삭제하는 작업
이게 판다스 중to_입니다.csv에서 생성된 데이터의 각종 결합 후 최종 데이터 (기본 인자, 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
우리는 첫 번째 열 Unnamed:0, 세 번째 열 Unnamed:0, 이 두 열은 우리가 원하지 않는 데이터입니다. 원인은 우리가 csv 파일을 생성할 때 기본 파라미터를 사용했기 때문입니다. 우리는 csv를 생성할 때 다음 파라미터를 사용하여 이 문제를 해결할 수 있습니다.to_csv () 에서 index=False를 설정합니다.아니면 index=True, index_label="id"
그리고 다른 동창회가 말했습니다. 저는 데이터 처리 작업을 다시 한 번 반복하고 싶지 않습니다. 저는 이 CSV를 생성하는 과정에서 처리하고 싶습니다. 마찬가지로 할 수 있습니다. 사실은 저도 이렇게 했습니다.
import pandas as pd
data = pd.read_csv('finalData.csv')
print(' ?', len(data))
print(' 4 ')
print(data.head())
print(' :')
print(data.info())
print('============================= :==============================')
newData = data.loc[:, ~data.columns.str.contains('^Unnamed')]
print(newData.head())
newData.to_csv('myVecData.csv', index=False)
index=False를 잊지 마라. 그렇지 않으면 또 새로운 이 마음에 들지 않는 물건을 만들 것이다.열 처리도 마찬가지입니다. 매개 변수column=False가 있습니다. 더 이상 설명하지 않겠습니다.마지막 효과:
============================= :==============================
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
추가: [pandas] pandas는 append 추가 줄을 사용할 때마다 Unnamed 열을 생성합니다.pandas는 append 추가 줄을 사용할 때마다 Unnamed 열을 추가합니다!
해결 방법:
행 데이터 추가 전,read_csv 함수가 데이터를 읽을 때 index_ 추가col 인자, 어떤 행위 인덱스 줄을 지정합니다.
예:
test = pd.read_csv(filename,index_col=0)
이상의 개인적인 경험으로 여러분께 참고가 되었으면 좋겠습니다. 또한 많은 응원 부탁드립니다.만약 잘못이 있거나 완전한 부분을 고려하지 않으신다면 아낌없이 가르침을 주시기 바랍니다.
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
【Pandas】DatetimeIndex란? no.29안녕하세요, 마유미입니다. Pandas에 대한 기사를 시리즈로 작성하고 있습니다. 이번은 제29회의 기사가 됩니다. 에서 Pandas의 시간에 대한 모듈에 대해 씁니다. 이번 기사에서는, 「DatetimeIndex」...
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.