Как избавиться от столбца "Безымянный: 0" в панде DataFrame?

У меня есть ситуация, когда иногда, когда я читаю csv из df я получаю нежелательный индексоподобный столбец с именем unnamed:0 имени unnamed:0.

file.csv

,A,B,C
0,1,2,3
1,4,5,6
2,7,8,9

CSV читается с этим:

pd.read_csv('file.csv')

   Unnamed: 0  A  B  C
0           0  1  2  3
1           1  4  5  6
2           2  7  8  9

Это очень раздражает! У кого-нибудь есть идеи как от этого избавиться?

Ответ 1

Это столбец индекса, передать index=False, чтобы не писать его, см. docs

Пример:

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  0.088335

сравнить с:

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  0.088335

Вы также можете указать read_csv, что первый столбец является столбцом индекса, передав 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  0.088335

Ответ 2

Эта проблема, скорее всего, проявляется потому, что ваш CSV был сохранен вместе с его RangeIndex (который обычно не имеет имени). Исправление на самом деле должно быть сделано при сохранении DataFrame, но это не всегда вариант.

Как избежать проблемы: `read_csv` с аргументом `index_col`

ИМО, самым простым решением было бы прочитать безымянный столбец как индекс. Укажите аргумент index_col=[0] для pd.read_csv, который читается в первом столбце как индекс.

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  x

Примечание
Вы могли бы избежать этого в первую очередь путем использование index=False при создании выходного CSV, если ваш DataFrame не имеет индекса для начала с.
df.to_csv('file.csv', index=False)
Но, как уже упоминалось выше, это не всегда вариант.

Решение проблемы с задержками: фильтрация с помощью `str.match`

Если вы не можете изменить код для чтения/записи файла CSV, вы можете просто удалить столбец, отфильтровав с помощью 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  x

Ответ 3

В другом случае это может произойти, если ваши данные были неправильно записаны в csv чтобы каждая строка заканчивалась запятой. Это оставит вас с безымянным столбцом Unnamed: x в конце ваших данных, когда вы попытаетесь прочитать его в df.

Ответ 4

Чтобы просмотреть все столбцы Безымянный, вы также можете использовать регулярные выражения, такие как df.drop(df.filter(regex="Unname"),axis=1, inplace=True)