pandas踩过的坑 | 记一个群友的提问

今天群里小伙伴提问了一个问题，下面这个图如何加上表头？

群里的每一次提问，都是一次面试，如果可以，我都会尝试解答。这里只晒了一张图，没有上下文，我提示代码不全，小伙伴后来补充了相关代码和报错：

根据报错提示，这里的对象 b 是 Series 类型，热心的小伙伴给出了解决方案：

1、b=pd.DataFrame(b)

2、b=b.reset_index(drop=False)

很快，小伙伴就去跑代码了，得出了下图结果：

很明显，这里的列名错位了，热心的小伙伴马上给出了解决方案：

①：保存时不写入index ②：rename ③：输出时：Index= False

下面是小伙伴给出的完整代码示例：

df.columns Index(['时间', 'Enodeb标识符', 'Enodeb中文名称', '厂家名称', '管理状态', '设备维护状态', '运行状态', '工程编号'], dtype='object') df.head() 时间 Enodeb标识符 … 运行状态 工程编号 0 2019/11/28 0:00:00 460-00-200188 … ENABLED 一期 1 2019/11/28 0:00:00 460-00-211503 … ENABLED 四期 2 2019/11/28 0:00:00 460-00-686652 … ENABLED 四期 3 2019/11/28 0:00:00 460-00-732426 … ENABLED 4G网络优化扩容2018年三阶段-新建P1 4 2019/11/28 0:00:00 460-00-518238 … ENABLED 蜂窝物联网一期工程P1 [5 rows x 8 columns] df['运行状态'].value_counts() ENABLED 58056 DISABLED 852 Name: 运行状态, dtype: int64 df1=df['运行状态'].value_counts() type(df1) df1.name '运行状态' df1.index Index(['ENABLED', 'DISABLED'], dtype='object') df2=pd.DataFrame(df1) type(df2) df2.columns Index(['运行状态'], dtype='object') df2.index Index(['ENABLED', 'DISABLED'], dtype='object') df3=df2.reset_index(drop=False) df3.columns Index(['index', '运行状态'], dtype='object') df3.index RangeIndex(start=0, stop=2, step=1) df3 index 运行状态 0 ENABLED 58056 1 DISABLED 852 df3.rename(columns={'index':'运行状态','运行状态':'计数'},inplace=True) df3 运行状态 计数 0 ENABLED 58056 1 DISABLED 852 df3.to_csv('运行状态统计.csv',encoding='GBK',index=False)

我给出的解决方案被证明是错的：

b.to_csv('as.csv', encoding='gbk', header=['cellname', 'cnt'])

Series转DataFrame的方案，代码过于复杂了，下面是热心群友给出的简洁方案：

df1=df['运行状态'].value_counts()
df1.name='计数'
df1.to_csv('运行状态3.csv',encoding='GBK',index=True,header=True,index_label='运行状态2')

咱们来理一理，感觉Series直接输出csv并且保留表头很难搞的样子。

从我给出的错误代码入手，Series是数据序列，仅有一列数据，表象上看是两列，因为有一列是index，我给出的代码包含header=[ 'cellname', 'cnt']，误解为表头有两列，所以是错误的，下面通过一个简单的示例复盘下整个过程。

import pandas as pd

df = pd.read_csv(r'D:\abc.csv')

df

群友是要计算某列的计数

df2 = df['name'].value_counts()

df2

b    3
c    3
a    3
Name: name, dtype: int64

type(df2)

pandas.core.series.Series

df2.index

Index(['b', 'c', 'a'], dtype='object')

df2.name

'name'

可以看出，Series呈现出两列数据，左边是index，右边是数据列， 该数据列的内容对应index的计数，但是列名却是name，输出时需要修正一下，此处，Series的两列内容我们都想获取到，所以index=True，index内容对应原表的name，所以，index_label应该设置为name，而数据列的表头对应index的计数，所以header应该设置为count，至此，代码呼之欲出：

df2.to_csv(r'D:/abc2.csv', index=True, index_label='name', header=[ 'count'])

来看一下是否得到的预期的结果