熊猫弄乱DataFrame.from_csv上的日期列

Question

我使用Python 3.4.0和pandas == 0.16.2。我有足球队的结果CSV文件，其中包含以下列：日期，在，目标.scored，goals.lost，结果。 'at'栏可以有三个值（H，A，N）中的一个，它们分别表示比赛是在球队主场，场外还是在中立位置进行的。这里有一个这样的文件头：

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 

当我这个文件加载到pandas.DataFrame以通常的方式：

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

前两列“日期”和“在”似乎是看作一个和我得到这样一个格式错误的数据帧：

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 
... 

的代码块不清楚地反映了腐败，所以附接从Jupyter笔记本屏幕截图：

正如你可以“在”看“日期”和列似乎被当作对象类型的一列：

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，我以为周围没有日期的报价为导致这个问题，所以我添加了这些，但它根本没有帮助，于是我引用了'at'列中的所有值，但仍未解决问题。我在CSV文件中尝试了单引号和双引号。有趣的是，在'date'和'at'的值周围不使用引号或双引号可以产生与上面相同的结果。单引号被解释为“在”列中的值的部分，但不是在日期列：

添加parse_dates=True PARAM没有足够的数据帧产生任何影响。

当我在R中使用这些CSV文件时，我没有遇到过这样的问题。我将非常感谢这方面的任何帮助。

Answer 1

我这里没有问题（使用Python 2.7，熊猫16.2）。我用您粘贴文本，并创建了我的桌面上.csv文件，使用两种方法

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 

你可以看到在指数是怎么处理的read_csv和from_csv命令之间的不同的行为加载它大熊猫。但是，我没有看到任何像你提到的问题。你总是可以尝试进一步定义read_csv参数，但我怀疑这会带来实质性差异。

你能确认你的日期和“在”列是通过查询数据框通过aTeam ['at']一起被粉碎在一起，并看看是什么产量？

Answer 2

我可以复制您的问题使用from_csv，问题是它采用山坳0作为索引，以便通过index_col=None将工作：

index_col：int或序列，默认为0

用于索引的列。如果给出序列，则使用MultiIndex。不同的默认从read_table

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

输出：

  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，是你根据你试图quotechar其实这是一个有效ARG可能想：

import pandas as pd 


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

输出：

  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