自動重命名列以確保它們是唯一的

Question

我將電子表格取到名爲df的Python DataFrame中。

讓我們給一個樣本：

df=pd.DataFrame({'a': np.random.rand(10), 'b': np.random.rand(10)}) 
df.columns=['a','a'] 

      a   a 
0 0.973858 0.036459 
1 0.835112 0.947461 
2 0.520322 0.593110 
3 0.480624 0.047711 
4 0.643448 0.104433 
5 0.961639 0.840359 
6 0.848124 0.437380 
7 0.579651 0.257770 
8 0.919173 0.785614 
9 0.505613 0.362737 

當我運行df.columns.is_unique我得到False

我想自動重命名列 'a' 到 'A_2'（或類似的東西）

我不希望像df.columns=['a','a_2']

這樣的解決方案我正在尋找一種可用於幾個柱的解決方案NS！

Answer 1

您可以手動uniquify列：

df_columns = ['a', 'b', 'a', 'a_2', 'a_2', 'a', 'a_2', 'a_2_2'] 

def uniquify(df_columns): 
    seen = set() 

    for item in df_columns: 
     fudge = 1 
     newitem = item 

     while newitem in seen: 
      fudge += 1 
      newitem = "{}_{}".format(item, fudge) 

     yield newitem 
     seen.add(newitem) 

list(uniquify(df_columns)) 
#>>> ['a', 'b', 'a_2', 'a_2_2', 'a_2_3', 'a_3', 'a_2_4', 'a_2_2_2'] 

Answer 2

我取一個電子表格轉換爲Python數據幀名爲DF ...我想 自動重命名[複製]列[名]。

熊貓確實是自動爲您，您無需做任何事情......

TEST.XLS：

import pandas as pd 
import numpy as np 

df = pd.io.excel.read_excel(
    "./test.xls", 
    "Sheet1", 
    header=0, 
    index_col=0, 
) 
print df 

--output:-- 
     a b c b.1 a.1 a.2 
index        
0  10 100 -10 -100 10 21 
1  20 200 -20 -200 11 22 
2  30 300 -30 -300 12 23 
3  40 400 -40 -400 13 24 
4  50 500 -50 -500 14 25 
5  60 600 -60 -600 15 26 


print df.columns.is_unique 

--output:-- 
True 

如果由於某種原因你被賦予一個數據幀與重複列，你可以這樣做：

import pandas as pd 
import numpy as np 
from collections import defaultdict 

df = pd.DataFrame(
    { 
     'k': np.random.rand(10), 
     'l': np.random.rand(10), 
     'm': np.random.rand(10), 
     'n': np.random.rand(10), 
     'o': np.random.rand(10), 
     'p': np.random.rand(10), 
    } 
) 

print df 

--output:-- 
     k   l   m   n   o   p 
0 0.566150 0.025225 0.744377 0.222350 0.800402 0.449897 
1 0.701286 0.182459 0.661226 0.991143 0.793382 0.980042 
2 0.383213 0.977222 0.404271 0.050061 0.839817 0.779233 
3 0.428601 0.303425 0.144961 0.313716 0.244979 0.487191 
4 0.187289 0.537962 0.669240 0.096126 0.242258 0.645199 
5 0.508956 0.904390 0.838986 0.315681 0.359415 0.830092 
6 0.007256 0.136114 0.775670 0.665000 0.840027 0.991058 
7 0.719344 0.072410 0.378754 0.527760 0.205777 0.870234 
8 0.255007 0.098893 0.079230 0.225225 0.490689 0.554835 
9 0.481340 0.300319 0.649762 0.460897 0.488406 0.16604 


df.columns = ['a', 'b', 'c', 'b', 'a', 'a'] 
print df 

--output:-- 
      a   b   c   b   a   a 
0 0.566150 0.025225 0.744377 0.222350 0.800402 0.449897 
1 0.701286 0.182459 0.661226 0.991143 0.793382 0.980042 
2 0.383213 0.977222 0.404271 0.050061 0.839817 0.779233 
3 0.428601 0.303425 0.144961 0.313716 0.244979 0.487191 
4 0.187289 0.537962 0.669240 0.096126 0.242258 0.645199 
5 0.508956 0.904390 0.838986 0.315681 0.359415 0.830092 
6 0.007256 0.136114 0.775670 0.665000 0.840027 0.991058 
7 0.719344 0.072410 0.378754 0.527760 0.205777 0.870234 
8 0.255007 0.098893 0.079230 0.225225 0.490689 0.554835 
9 0.481340 0.300319 0.649762 0.460897 0.488406 0.166047 


print df.columns.is_unique 

--output:-- 
False 


name_counts = defaultdict(int) 
new_col_names = [] 

for name in df.columns: 
    new_count = name_counts[name] + 1 
    new_col_names.append("{}{}".format(name, new_count)) 
    name_counts[name] = new_count 

print new_col_names 


--output:-- 
['a1', 'b1', 'c1', 'b2', 'a2', 'a3'] 


df.columns = new_col_names 
print df 

--output:-- 
     a1  b1  c1  b2  a2  a3 
0 0.264598 0.321378 0.466370 0.986725 0.580326 0.671168 
1 0.938810 0.179999 0.403530 0.675112 0.279931 0.011046 
2 0.935888 0.167405 0.733762 0.806580 0.392198 0.180401 
3 0.218825 0.295763 0.174213 0.457533 0.234081 0.555525 
4 0.891890 0.196245 0.425918 0.786676 0.791679 0.119826 
5 0.721305 0.496182 0.236912 0.562977 0.249758 0.352434 
6 0.433437 0.501975 0.088516 0.303067 0.916619 0.717283 
7 0.026491 0.412164 0.787552 0.142190 0.665488 0.488059 
8 0.729960 0.037055 0.546328 0.683137 0.134247 0.444709 
9 0.391209 0.765251 0.507668 0.299963 0.348190 0.731980 

print df.columns.is_unique 

--output:-- 
True 

Answer 3

從Oracle表中加載DataFrame時遇到了這個問題。 7stud是正確的，pd.read_excel（）自動指定帶有* .1的重複列，但不是所有的讀取函數都這樣做。解決辦法之一是將DataFrame保存爲csv（或excel）文件，然後重新加載它以重新指定重複的列。在提供

data = pd.read_SQL(SQL,connection) 
data.to_csv(r'C:\temp\temp.csv') 
data=read_csv(r'C:\temp\temp.csv')