Python区分'300'和'300.0'的数据帧列

Question

最近，我一直在开发一些代码来读取csv文件并将关键数据列存储在数据框中。之后，我计划对数据帧中的某些列执行一些数学函数。

我已经相当成功地在数据框中存储了正确的列。我已经能够让它做任何数学是必要的，如求和，添加数据框列，平均等。

我的问题在于，一旦特定列存储在数据帧中，就要访问它们。我正在使用一个测试文件，以使一切正常工作，并没有问题地处理了这个问题。当我打开一个不同的csv文件时会出现问题，它会将数据存储在dataframe中，但是访问我想要的列不再有效，它会在计算部分停止。

据我所知，问题在于如何读取列名。列名都是数字。例如，在访问列df['300']时，df['300']和df['301']等在testfile中工作正常，而下一个文件需要df['300.0']。如果我切换到另一个文件，它可能需要再次使用df['300']。所有数据都是以相同的方式获得的，因此我不确定为什么有些数据被解读为300，而其他数据被解读为300.0。

除了在每次打开不同的文件时不断更改列标签之外，是否还有其他方法可以让它在打开文件时自动区分“300”和“300.0”，或者强制“300.0”=“300”？

谢啦

Answer 1

此答案假设您只希望列名称中保留整数部分。它接受列名并进行浮点运算-

小心，如果列名称中有像“300.5”这样的数字，这会将它们变成“300”。

cols = df.columns.tolist()
new_columns = dict([(c,str(int(float(c)))) for c in cols])
df = df.rename(columns = new_columns)

为清楚起见，大多数“魔法”发生在中间线。我迭代当前存在的列，并将它们转换为形式的元组（旧名称、新名称）。rename使用该字典，然后为您进行重命名。

感谢用户Nipun Batra的回答，解释了df.rename。

Answer 2

一些解决方案：

>

浏览所有文件，更改列名，然后将结果保存在新文件夹中。现在，当您读取文件时，您可以转到新文件夹并从那里读取它。

将普通文件读取函数包装在另一个自动更改列名的函数中，并在读取文件时调用该新函数。

在函数中包装列选择。使用try/除块让函数try访问给定的列，如果失败，使用另一种形式。

Answer 3

在数据帧df中，保持一致性的一种方法可能是转换为类似类型的列。您可以使用.columns将所有列名从float（即'300.0'更新为'300'）更新为字符串整数值，如下所示。然后，我认为使用字符串的整数值应该有效，即df['300]或300以外的任何其他列。

df.columns = [str(int(float(column))) for column in df.columns]

或者，如果不需要整数值，则可以删除额外的int转换，并使用浮点字符串值：

df.columns = [str(float(column)) for column in df.columns]

然后，可以使用df['300.0']代替df['300']。

如果不需要stringtype，那么我认为将它们转换为float也可以。

df.columns = [float(column) for column in df.columns]

然后，df[300.0]也可以工作。

更改列名的其他替代方法可以使用map：

将所有列更改为float值，然后如上所述使用df[300.0]：

df.columns，df.columns

更改为float的string值，然后更改为df['300.0']：

df.columns=map（str，map（float，df.columns））

更改为int的string值，然后df['300']：

df.columns=map（str， map（int， map（浮动，df.columns））