熊貓弄亂DataFrame.from_csv上的日期列

Question

我使用Python 3.4.0和pandas == 0.16.2。我有足球隊的結果CSV文件，其中包含以下列：日期，在，目標.scored，goals.lost，結果。 'at'欄可以有三個值（H，A，N）中的一個，它們分別表示比賽是在球隊主場，場外還是在中立位置進行的。這裏有一個這樣的文件頭：

date,at,goals.scored,goals.lost,result 
16/09/2014,A,0,2,2 
01/10/2014,H,4,1,1 
22/10/2014,A,2,1,1 
04/11/2014,H,3,3,0 
26/11/2014,H,2,0,1 
09/12/2014,A,4,1,1 
25/02/2015,H,1,3,2 
17/03/2015,A,2,0,1 
19/08/2014,A,0,0,0 

當我這個文件加載到pandas.DataFrame以通常的方式：

import pandas as pd 
aTeam = pd.DataFrame.from_csv("teamA-results.csv") 

前兩列「日期」和「在」似乎是看作一個和我得到這樣一個格式錯誤的數據幀：

aTeam.dtypes 

at    object 
goals.scored  int64 
goals.lost  int64 
result   int64 
dtype: object 

aTeam 

    at goals.scored goals.lost result 
date     
2014-09-16 A 0 2 2 
2014-01-10 H 4 1 1 
2014-10-22 A 2 1 1 
2014-04-11 H 3 3 0 
2014-11-26 H 2 0 1 
... 

的代碼塊不清楚地反映了腐敗，所以附接從Jupyter筆記本屏幕截圖：

正如你可以「在」看「日期」和列似乎被當作對象類型的一列：

aTeam['at'] 

date 
2014-09-16 A 
2014-01-10 H 
2014-10-22 A 
2014-04-11 H 
2014-11-26 H 
2014-09-12 A 

起初，我以爲周圍沒有日期的報價爲導致這個問題，所以我添加了這些，但它根本沒有幫助，於是我引用了'at'列中的所有值，但仍未解決問題。我在CSV文件中嘗試了單引號和雙引號。有趣的是，在'date'和'at'的值周圍不使用引號或雙引號可以產生與上面相同的結果。單引號被解釋爲「在」列中的值的部分，但不是在日期列：

添加parse_dates=True PARAM沒有足夠的數據幀產生任何影響。

當我在R中使用這些CSV文件時，我沒有遇到過這樣的問題。我將非常感謝這方面的任何幫助。

Answer 1

我這裏沒有問題（使用Python 2.7，熊貓16.2）。我用您粘貼文本，並創建了我的桌面上.csv文件，使用兩種方法

import pandas as pd 

a = pd.read_csv('test.csv') 
b = pd.DataFrame.from_csv('test.csv') 

>>>a 
     date at goals.scored goals.lost result 
0 16/09/2014 A    0   2  2 
1 01/10/2014 H    4   1  1 
2 22/10/2014 A    2   1  1 
3 04/11/2014 H    3   3  0 
4 26/11/2014 H    2   0  1 
5 09/12/2014 A    4   1  1 
6 25/02/2015 H    1   3  2 
7 17/03/2015 A    2   0  1 
8 19/08/2014 A    0   0  0 


>>>b 
      at goals.scored goals.lost result 
date           
2014-09-16 A    0   2  2 
2014-01-10 H    4   1  1 
2014-10-22 A    2   1  1 
2014-04-11 H    3   3  0 
2014-11-26 H    2   0  1 
2014-09-12 A    4   1  1 
2015-02-25 H    1   3  2 
2015-03-17 A    2   0  1 
2014-08-19 A    0   0  0 

你可以看到在指數是怎麼處理的read_csv和from_csv命令之間的不同的行爲加載它大熊貓。但是，我沒有看到任何像你提到的問題。你總是可以嘗試進一步定義read_csv參數，但我懷疑這會帶來實質性差異。

你能確認你的日期和「在」列是通過查詢數據框通過aTeam ['at']一起被粉碎在一起，並看看是什麼產量？

Answer 2

我可以複製您的問題使用from_csv，問題是它採用山坳0作爲索引，以便通過index_col=None將工作：

index_col：int或序列，默認爲0

用於索引的列。如果給出序列，則使用MultiIndex。不同的默認從read_table

import pandas as pd 
aTeam = pd.DataFrame().from_csv("in.csv",index_col=None) 

輸出：

  date at goals.scored goals.lost result 
0 16/09/2014 A    0   2  2 
1 01/10/2014 H    4   1  1 
2 22/10/2014 A    2   1  1 
3 04/11/2014 H    3   3  0 
4 26/11/2014 H    2   0  1 
5 09/12/2014 A    4   1  1 
6 25/02/2015 H    1   3  2 
7 17/03/2015 A    2   0  1 
8 19/08/2014 A    0   0  0 

ODR使用。read_csv正常工作，是你根據你試圖quotechar其實這是一個有效ARG可能想：

import pandas as pd 


aTeam = pd.read_csv("in.csv") 

輸出：

  date at goals.scored goals.lost result 
0 16/09/2014 A    0   2  2 
1 01/10/2014 H    4   1  1 
2 22/10/2014 A    2   1  1 
3 04/11/2014 H    3   3  0 
4 26/11/2014 H    2   0  1 
5 09/12/2014 A    4   1  1 
6 25/02/2015 H    1   3  2 
7 17/03/2015 A    2   0  1 
8 19/08/2014 A    0   0  0