Eu tenho uma situação onde, por vezes, quando leio um csvde dfeu chegar um índice semelhante indesejada coluna chamada unnamed:0.
file.csv
,A,B,C
0,1,2,3
1,4,5,6
2,7,8,9O CSV é lido com isso:
pd.read_csv('file.csv')
Unnamed: 0 A B C
0 0 1 2 3
1 1 4 5 6
2 2 7 8 9Isso é muito chato! Alguém tem uma idéia de como se livrar disso?
Respostas:
É a coluna do índice, passe index=Falsepara não escrever, veja os documentos
Exemplo:
In [37]:
df = pd.DataFrame(np.random.randn(5,3), columns=list('abc'))
pd.read_csv(io.StringIO(df.to_csv()))
Out[37]:
Unnamed: 0 a b c
0 0 0.109066 -1.112704 -0.545209
1 1 0.447114 1.525341 0.317252
2 2 0.507495 0.137863 0.886283
3 3 1.452867 1.888363 1.168101
4 4 0.901371 -0.704805 0.088335compare com:
In [38]:
pd.read_csv(io.StringIO(df.to_csv(index=False)))
Out[38]:
a b c
0 0.109066 -1.112704 -0.545209
1 0.447114 1.525341 0.317252
2 0.507495 0.137863 0.886283
3 1.452867 1.888363 1.168101
4 0.901371 -0.704805 0.088335Opcionalmente, você também pode dizer read_csvque a primeira coluna é a coluna de índice passando index_col=0:
In [40]:
pd.read_csv(io.StringIO(df.to_csv()), index_col=0)
Out[40]:
a b c
0 0.109066 -1.112704 -0.545209
1 0.447114 1.525341 0.317252
2 0.507495 0.137863 0.886283
3 1.452867 1.888363 1.168101
4 0.901371 -0.704805 0.088335skipcolsargumento para read_csv, depois de ler no csv, você pode simplesmente fazer df = df.drop(columns=df.columns[0])ou você pode apenas ler as colunas primeiro e depois passar as colunas menos a primeira coluna como algo cols = pd.read_csv( ....., nrows=1).columnse, em seguida, reler novamente, df = pd.read_csv(....., usecols=cols[1:])evitando a sobrecarga da leitura uma coluna supérfluo e, em seguida, deixá-la cair depois
Esse problema provavelmente se manifesta porque seu CSV foi salvo junto com ele RangeIndex(que geralmente não tem nome). A correção precisaria ser feita ao salvar o DataFrame, mas isso nem sempre é uma opção.
read_csvcom index_col argumentoNa IMO, a solução mais simples seria ler a coluna sem nome como índice . Especifique um index_col=[0]argumento para pd.read_csv, isso será lido na primeira coluna como o índice.
df = pd.DataFrame('x', index=range(5), columns=list('abc'))
df
a b c
0 x x x
1 x x x
2 x x x
3 x x x
4 x x x
# Save DataFrame to CSV.
df.to_csv('file.csv')pd.read_csv('file.csv')
Unnamed: 0 a b c
0 0 x x x
1 1 x x x
2 2 x x x
3 3 x x x
4 4 x x x
# Now try this again, with the extra argument.
pd.read_csv('file.csv', index_col=[0])
a b c
0 x x x
1 x x x
2 x x x
3 x x x
4 x x xNota
Você pode ter evitado isso em primeiro lugar usandoindex=Falseao criar o CSV de saída, se o DataFrame não tiver um índice para começar.df.to_csv('file.csv', index=False)Mas, como mencionado acima, isso nem sempre é uma opção.
str.matchSe você não pode modificar o código para ler / gravar o arquivo CSV, basta remover a coluna filtrando com str.match:
df
Unnamed: 0 a b c
0 0 x x x
1 1 x x x
2 2 x x x
3 3 x x x
4 4 x x x
df.columns
# Index(['Unnamed: 0', 'a', 'b', 'c'], dtype='object')
df.columns.str.match('Unnamed')
# array([ True, False, False, False])
df.loc[:, ~df.columns.str.match('Unnamed')]
a b c
0 x x x
1 x x x
2 x x x
3 x x x
4 x x xindex_col=[0]correção resolveu facilmente esse problema irritante de 'unnamed: 0' e poupa o código de reinventar a roda detalhadamente.
df.drop(df.filter(regex="Unname"),axis=1, inplace=True)
Outro caso em que isso pode estar acontecendo é se seus dados foram gravados incorretamente no seu csvpara que cada linha termine com uma vírgula. Isso deixará uma coluna sem nome Unnamed: xno final dos seus dados quando você tentar lê-los em um arquivo df.
usecols=range(0,10)para cortar a coluna sem nome