我正在使用一个循环读取一些csv文件,所有文件都有38列。我将它们全部添加到一个列表中,然后连接/创建一个数据帧。我的问题是,尽管所有这些csv文件都有38列,但我的结果数据帧最终却有105列。
截图如下:
如何才能使结果数据帧具有正确的38列,并将所有行堆叠在一起?
import boto3
import pandas as pd
import io
s3 = boto3.resource('s3')
client = boto3.client('s3')
bucket = s3.Bucket('alpha-enforcement-data-engineering')
appended_data = []
for obj in bucket.objects.filter(Prefix='closed/closed_processed/year_201'):
print(obj.key)
df = pd.read_csv(f's3://alpha-enforcement-data-engineering/{obj.key}', low_memory=False)
print(df.shape)
appended_data.append(df)
df_closed = pd.concat(appended_data, axis=0, sort=False)
print(df_closed.shape)
发布于 2019-06-26 02:28:56
TLDR;检查您的列标题。
c = appended_data[0].columns
df_closed = pd.concat([df.set_axis(
c, axis=1, inplace=False) for df in appended_data], sort=False)
发生这种情况是因为您的列标题不同。DataFrames在垂直连接时会将DataFrames与标头对齐,并在没有标头的地方为Pandas插入空列。下面是一个说明性的例子:
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
df2 = pd.DataFrame({'C': [7, 8, 9], 'D': [10, 11, 12]})
df
A B
0 1 4
1 2 5
2 3 6
df2
C D
0 7 10
1 8 11
2 9 12
pd.concat([df, df2], axis=0, sort=False)
A B C D
0 1.0 4.0 NaN NaN
1 2.0 5.0 NaN NaN
2 3.0 6.0 NaN NaN
0 NaN NaN 7.0 10.0
1 NaN NaN 8.0 11.0
2 NaN NaN 9.0 12.0
创建4列。然而,你只想要两个。试一下,
df2.columns = df.columns
pd.concat([df, df2], axis=0, sort=False)
A B
0 1 4
1 2 5
2 3 6
0 7 10
1 8 11
2 9 12
它的工作方式与预期一致。
https://stackoverflow.com/questions/56759761
复制相似问题