Como se livrar da coluna "Sem nome: 0" em um DataFrame de pandas?

152

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
2,7,8,9

O 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  9

Isso é muito chato! Alguém tem uma idéia de como se livrar disso?

python pandas csv dataframe Michael Perdue
fonte

Respostas:

186

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  0.088335

compare 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  0.088335

Opcionalmente, 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  0.088335
EdChum
fonte
Muitas vezes, os conjuntos de dados que você obtém de outros lugares já contêm essa coluna, portanto, não ajuda em nada saber como produzir o conjunto de dados "certo" usando os parâmetros certos. Existe uma maneira de eliminar esta coluna quando você a carrega quando ela já está lá?
Calvin Ku
2
@CalvinKu, infelizmente, não há skipcolsargumento 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
EdChum
42

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.

Evitando o problema: read_csvcom index_col argumento

Na 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  x

Nota
Você pode ter evitado isso em primeiro lugar usando index=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.

Solução paliativa: Filtrando com str.match

Se 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  x
cs95
fonte
1
Muito obrigado! Essa index_col=[0]correção resolveu facilmente esse problema irritante de 'unnamed: 0' e poupa o código de reinventar a roda detalhadamente.
user48115
1
Para obter passeio de colunas sem nome, você também pode usar regex comodf.drop(df.filter(regex="Unname"),axis=1, inplace=True)
Sarah
8

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.

Brendan
fonte
2
I utilizado usecols=range(0,10)para cortar a coluna sem nome
Nash
8

Para acompanhar todas as colunas Sem nome, você também pode usar regex como df.drop(df.filter(regex="Unname"),axis=1, inplace=True)

Sarah
fonte
2

Simplesmente exclua essa coluna usando: del df['column_name']

ssareen
fonte