панды read_csv () странное поведение для пустого (дефолт) ценности

Question

панды read_csv () странное поведение для пустого (дефолт) ценности

У меня есть следующий вход trans.csv файл:

Date,Currenncy,Symbol,Type,Units,UnitPrice,Cost,Tax
2012-03-14,USD,AAPL,BUY,1000
2012-05-12,USD,SBUX,SELL,500

Области UnitPrice, Стоимость и Налог дополнительные. Если они не будут определены, то я ожидаю NaN в ячейке DataFrame.

Я прочитал файл CSV с:

t = pandas.read_csv('trans.csv', parse_dates=True, index_col=0)

и получил следующий результат:

           Currenncy Symbol  Type  Units   UnitPrice       Cost       Tax
Date                                                                     
2012-03-14       USD   AAPL   BUY   1000  2012-05-12  012-05-12  12-05-12
2012-02-05       USD   SBUX  SELL    500         NaN        NaN       NaN

Почему не там никакой NaN в первом ряду, и Дата повторяется? Какая-либо работа, чтобы получить NaN для неуказанных областей?

2

добавлено 09 Январь 2013 в 02:44 автор ronnydw

Просмотры: 3

источник

nl ja de

Добавленный это как проблема о GitHub. Ответ, который я опубликовал, должен зафиксировать его на данный момент (это ловит, когда есть данные в некоторых колонках)...

добавлено 09 Январь 2013 в 03:26, автор Andy Hayden, источник

используйте панд 0.10

добавлено 09 Январь 2013 в 02:57, автор ronnydw, источник

2 ответы

Видеокурс "Создание приложений для Android"

Получи множество видеоуроков по Android сейчас

Видеокурс по Java для начинающих

Получи видеокурс по Java для начинающих с упражнениями

автор Fredrick Brennan · Answer 1 · 2013-01-09T02:54Z

Ваш файл CSV уродлив. Я получаю тот же самый ответ как вы у Панд 0.10, и в то время как я признаю, что это действительно очень, очень странно, вы не должны кормить его некорректными данными.

Date,Currenncy,Symbol,Type,Units,UnitPrice,Cost,Tax
2012-03-14,USD,AAPL,BUY,1000,,,
2012-05-12,USD,SBUX,SELL,500,,,

возвращает ожидаемый

>>> import pandas as pd
>>> t = pd.read_csv('pandas_test', parse_dates=True, index_col=0)
>>> t
           Currenncy Symbol  Type  Units  UnitPrice  Cost  Tax
Date                                                          
2012-03-14       USD   AAPL   BUY   1000        NaN   NaN  NaN
2012-05-12       USD   SBUX  SELL    500        NaN   NaN  NaN

3

добавлено 09 Январь 2013 в 02:54 автор Fredrick Brennan

источник

подача некорректных данных является.... жизнью!

добавлено 09 Январь 2013 в 03:00, автор Andy Hayden, источник

@rdw я думаю так. Это похоже на ошибку.

добавлено 09 Январь 2013 в 03:07, автор Andy Hayden, источник

@rdw или по крайней мере: "покажите стоящий наличия":)

добавлено 09 Январь 2013 в 03:28, автор Andy Hayden, источник

"Уборщик взглядов". Почему делают вы заботитесь о том, на что оригинальные данные похожи если you' ре, разбирающее его? Это doesn' t имеют значение, что это выглядит более чистым если it' s неправильный.

добавлено 09 Январь 2013 в 03:02, автор Fredrick Brennan, источник

"то уродливое". Быть уродливым двойное, it' s уродливый или это isn' t уродливый.

добавлено 09 Январь 2013 в 03:07, автор Fredrick Brennan, источник

That' s одна запятая слишком много, теперь есть Отделения NaN без сообщения об ошибке! Могут дополнительные запятые не быть сделанными дополнительными пандами. Уборщик взглядов.

добавлено 09 Январь 2013 в 02:58, автор ronnydw, источник

@hayden, действительно кормя некорректные данные является жизнью. Can' t мы ожидаем от панд, что это обработано изящно? It' s не, что уродливый.

добавлено 09 Январь 2013 в 03:05, автор ronnydw, источник

Действительно, это похоже на ошибку

добавлено 09 Январь 2013 в 03:27, автор ronnydw, источник

автор Andy Hayden · Answer 2 · 2013-01-09T03:15Z

Вот метод, который может обращаться еще с некоторыми случаями (когда есть некоторые данные в UnitCost , Стоимость , и т.д.).

In [1]: df = pd.read_csv('trans.csv', header=None)

In [2]: df.columns = df.ix[0]

In [3]: df[1:].set_index('Date')
Out[3]: 
           Currenncy Symbol  Type Units UnitPrice Cost  Tax
Date                                                       
2012-03-14       USD   AAPL   BUY  1000       NaN  NaN  NaN
2012-05-12       USD   SBUX  SELL   500       NaN  NaN  NaN
2012-05-12       USD   SBUX  SELL   500       NaN  NaN  NaN

Стоит отметить, что dtype этих колонок будет объект .

Однако я думаю, что это должно быть поймано to_csv таким образом, я отправил как проблема о GitHub.