Panda's: importeer csv met een verschillend aantal kolommen per rij

U kunt de volgende basissyntaxis gebruiken om een CSV-bestand in panda’s te importeren als er een verschillend aantal kolommen per rij is:

 df = pd. read_csv (' uneven_data.csv ', header= None , names=range( 4 ))

De waarde binnen de functie range() moet het aantal kolommen in de rij met het maximale aantal kolommen zijn.

Het volgende voorbeeld laat zien hoe u deze syntaxis in de praktijk kunt gebruiken.

Voorbeeld: importeer CSV in Panda’s met een verschillend aantal kolommen per rij

Laten we zeggen dat we het volgende CSV-bestand hebben met de naam ongelijke_data.csv :

Houd er rekening mee dat elke rij niet hetzelfde aantal kolommen heeft.

Als we de functie read_csv() proberen te gebruiken om dit CSV-bestand in een Panda DataFrame te importeren, krijgen we een foutmelding:

 import pandas as pd

#attempt to import CSV file with differing number of columns per row
df = pd. read_csv (' uneven_data.csv ', header= None )

ParserError: Error tokenizing data. C error: Expected 2 fields in line 2, saw 4

We ontvangen een ParserError die ons vertelt dat Panda’s 2 velden verwachtten (aangezien dat het aantal kolommen in de eerste rij was), maar er 4 zag.

Deze fout vertelt ons dat het maximale aantal kolommen in een bepaalde rij 4 is.

We kunnen dus het CSV-bestand importeren en een waarde van range(4) opgeven voor het argument namen :

 import pandas as pd

#import CSV file with differing number of columns per row
df = pd. read_csv (' uneven_data.csv ', header= None , names=range( 4 )))

#view DataFrame
print (df)

   0 1 2 3
0 to 22 NaN NaN
1 B 16 10.0 12.0
2 C 25 10.0 NaN
3 D 14 2.0 7.0
4 E 20 4.0 NaN

Houd er rekening mee dat we het CSV-bestand zonder fouten in een Panda DataFrame kunnen importeren, omdat we Panda’s expliciet hebben verteld dat ze 4 kolommen mogen verwachten.

Standaard vult panda’s alle ontbrekende waarden in elke rij met NaN.

Als je ontbrekende waarden als nul wilt weergeven, kun je de functie fillna() als volgt gebruiken:

 #fill NaN values with zeros
df_new = df. fillna ( 0 )

#view new DataFrame
print (df_new)

   0 1 2 3
0 to 22 0.0 0.0
1 B 16 10.0 12.0
2 C 25 10.0 0.0
3 D 14 2.0 7.0
4 E 20 4.0 0.0

Elke NaN-waarde in het DataFrame is nu vervangen door een nul.

Opmerking : u kunt de volledige documentatie van de pandas read_csv() functie hier vinden.

Aanvullende bronnen

In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende taken in Python kunt uitvoeren:

Panda’s: regels overslaan bij het lezen van een CSV-bestand
Panda’s: gegevens toevoegen aan een bestaand CSV-bestand
Panda’s: typen opgeven bij het importeren van een CSV-bestand
Panda’s: stel kolomnamen in bij het importeren van een CSV-bestand