读取CSV文件中的单列数据并将其存储到数组中

Question

如何从csv文件中读取特定的一列数据，例如 title 列？

ID | date|  title |
-------------------
  1|  2013|   abc |
  2|  2012|   cde |

该列应该被存储在一个如下的数组中：

data = ["abc", "cde"]

目前，我使用 pandas 得到了以下结果：

data = pd.read_csv("data.csv", index_col=2)

我已经查阅了这个帖子。然而我仍然收到一个IndexError: list index out of range错误。

编辑：

这不是一个表格，而是逗号分隔的，像这样：

ID,date,title
1,2013,abc
2,2012,cde

- dh762

---

你的文件真的长这样吗，有 | 和 -- 之类的吗？（不太像逗号分隔的值（CSV），但是我们可以通过一些工作读取它。） - DSM

你确定所有行都有3列吗？听起来好像有些行缺少第三列，或者更多。 - Martijn Pieters

Answer 1

其中一种选择是读入整个csv文件，然后选择一个列：

data = pd.read_csv("data.csv")

data['title']  # as a Series
data['title'].values  # as a numpy array

如@dawg所建议的那样，您可以使用usecols参数，如果您还使用squeeze参数，则可以避免某些hackery将值数组展平...

In [11]: titles = pd.read_csv("data.csv", sep=',', usecols=['title'], squeeze=True)

In [12]: titles  # Series
Out[12]: 
0    abc
1    cde
Name: title, dtype: object

In [13]: titles.values  # numpy array
Out[13]: array(['abc', 'cde'], dtype=object)

- Andy Hayden

Answer 2

你可以像这样做：

>>> import pandas as pd
>>> from StringIO import StringIO
>>> txt='''\
... ID,date,title
... 1,2013,abc
... 2,2012,cde'''
>>> data=pd.read_csv(StringIO(txt), usecols=['title']).T.values.tolist()[0]
>>> data
['abc', 'cde']

假设你有一些空白：

txt='''\
ID,date,title
1,2013,abc
2,2012,cde
3,2014, 
4,2015,fgh'''
table=pd.read_csv(StringIO(txt), usecols=['title'])
print table
  title
0   abc
1   cde
2      
3   fgh
data=pd.read_csv(StringIO(txt), usecols=['title']).T.values.tolist()[0]
print data
['abc', 'cde', ' ', 'fgh']

或者如果您有可变数量的数据字段：

txt='''\
ID,date,title
1,2013,
2,2012,cde
3
4,2015,fgh'''

print pd.read_csv(StringIO(txt), usecols=['title'])
  title
0   NaN
1   cde
2   NaN
3   fgh

print pd.read_csv(StringIO(txt), usecols=['title']).T.values.tolist()[0]
[nan, 'cde', nan, 'fgh']

- dawg

---

我认为你假设我有某种类型的表格，但实际上它是一个逗号分隔的 CSV 文件，只是以错误的方式呈现（Excel 视图）。 - dh762

你可以使用 .ravel() 或 .flatten() 函数对数据进行操作，以获取一个扁平化的 numpy 数组。 - Andy Hayden

Answer 3

最终，这变得简单多了：

import pandas as pd
data = pd.read_csv("mycsv.csv")
data.columns = ["ID", "date", "title"]
rawlist = list(data.title)

- dh762

---

喜欢输出为列表，正是我想要的。 - thegreatcoder