熊猫可以自动识别是否存在标题

Question

熊猫初学者在这里，

我读到pandas.read_csv自动假定第一列是标题列，如果不是这种情况，我应该传递一个标志，header=None.

现在我有一个加载 CSV 的代码，有时有标题，有时没有……有没有办法或标志read_csv来尝试自动检测标题行？

如果一列（或几列）在除第一行之外的所有行中都有数字 - 那么它是标题行，否则没有标题。

Answer 1

好的，这么快（而且可能很脆弱）的想法：

import pandas as pd

df = pd.DataFrame(columns=["ints_only", "strings_only"],
                  data=[[1,"a"], [3,"b"]])

df.to_csv("header.csv")
df.to_csv("noheader.csv", header=None)


def has_header(file, nrows=20):
    df = pd.read_csv(file, header=None, nrows=nrows)
    df_header = pd.read_csv(file, nrows=nrows)
    return tuple(df.dtypes) != tuple(df_header.dtypes)


has_header("header.csv")    # gives True
has_header("noheader.csv")  # gives False

这里发生了什么事？

我们读取 csv 文件的前 nrows（默认 20）行。一次有标题，一次没有。然后我们看看pandas 分配给每一列的数据类型。如果在忽略第一行时数据类型没有改变，那么就没有标题（当然，只有当您始终至少有一列标题是字符串，但所有其他条目都不是其他数据类型时才有效）一个字符串，例如所有浮点数）。