パンダのread_csvとusecolsを使用した列のフィルター

Question 1

複数のインデックスを使用しpandas.read_csvて列をフィルタリングしusecols、使用すると、正しく取得されないcsvファイルがあります。

import pandas as pd
csv = r"""dummy,date,loc,x
   bar,20090101,a,1
   bar,20090102,a,3
   bar,20090103,a,5
   bar,20090101,b,1
   bar,20090102,b,3
   bar,20090103,b,5"""

f = open('foo.csv', 'w')
f.write(csv)
f.close()

df1 = pd.read_csv('foo.csv',
        header=0,
        names=["dummy", "date", "loc", "x"], 
        index_col=["date", "loc"], 
        usecols=["dummy", "date", "loc", "x"],
        parse_dates=["date"])
print df1

# Ignore the dummy columns
df2 = pd.read_csv('foo.csv', 
        index_col=["date", "loc"], 
        usecols=["date", "loc", "x"], # <----------- Changed
        parse_dates=["date"],
        header=0,
        names=["dummy", "date", "loc", "x"])
print df2

df1とdf2は、欠落しているダミー列を除いて同じであるはずですが、列のラベルが誤っています。また、日付は日付として解析されています。

In [118]: %run test.py
               dummy  x
date       loc
2009-01-01 a     bar  1
2009-01-02 a     bar  3
2009-01-03 a     bar  5
2009-01-01 b     bar  1
2009-01-02 b     bar  3
2009-01-03 b     bar  5
              date
date loc
a    1    20090101
     3    20090102
     5    20090103
b    1    20090101
     3    20090102
     5    20090103

名前の代わりに列番号を使用すると、同じ問題が発生します。read_csvステップの後にダミー列を削除することで問題を回避できますが、何が問題なのかを理解しようとしています。私はパンダ0.10.1を使用しています。

編集：不正なヘッダーの使用法を修正しました。

Question 2

@chipによる答えは、2つのキーワード引数の要点を完全に逃しています。

名前は、ヘッダーがなく、整数インデックスではなく列名を使用して他の引数を指定する場合にのみ必要です。
usecolsは、DataFrame全体をメモリに読み込む前にフィルターを提供することになっています。適切に使用すれば、読み取り後に列を削除する必要はありません。

このソリューションは、これらの奇妙な点を修正します。

import pandas as pd
from StringIO import StringIO

csv = r"""dummy,date,loc,x
bar,20090101,a,1
bar,20090102,a,3
bar,20090103,a,5
bar,20090101,b,1
bar,20090102,b,3
bar,20090103,b,5"""

df = pd.read_csv(StringIO(csv),
        header=0,
        index_col=["date", "loc"], 
        usecols=["date", "loc", "x"],
        parse_dates=["date"])

それは私たちに与えます：

                x
date       loc
2009-01-01 a    1
2009-01-02 a    3
2009-01-03 a    5
2009-01-01 b    1
2009-01-02 b    3
2009-01-03 b    5

Question 3

このコードはあなたが望むものを実現します---その奇妙で確かにバグがあります：

私はそれが機能することを観察しました：

a）index_colrel を指定します。実際に使用する列の数に-つまり、この例では4列ではなく3列です（dummyそれ以降、ドロップしてからカウントを開始します）。

b）同じ parse_dates

c）そうではないusecols;）明らかな理由

d）ここで、namesこの動作を反映するようにを適応させました

import pandas as pd
from StringIO import StringIO

csv = """dummy,date,loc,x
bar,20090101,a,1
bar,20090102,a,3
bar,20090103,a,5
bar,20090101,b,1
bar,20090102,b,3
bar,20090103,b,5
"""

df = pd.read_csv(StringIO(csv),
        index_col=[0,1],
        usecols=[1,2,3], 
        parse_dates=[0],
        header=0,
        names=["date", "loc", "", "x"])

print df

印刷する

                x
date       loc   
2009-01-01 a    1
2009-01-02 a    3
2009-01-03 a    5
2009-01-01 b    1
2009-01-02 b    3
2009-01-03 b    5

Question 4

csvファイルに追加データが含まれている場合、インポート後に列をDataFrameから削除できます。

import pandas as pd
from StringIO import StringIO

csv = r"""dummy,date,loc,x
bar,20090101,a,1
bar,20090102,a,3
bar,20090103,a,5
bar,20090101,b,1
bar,20090102,b,3
bar,20090103,b,5"""

df = pd.read_csv(StringIO(csv),
        index_col=["date", "loc"], 
        usecols=["dummy", "date", "loc", "x"],
        parse_dates=["date"],
        header=0,
        names=["dummy", "date", "loc", "x"])
del df['dummy']

それは私たちに与えます：

                x
date       loc
2009-01-01 a    1
2009-01-02 a    3
2009-01-03 a    5
2009-01-01 b    1
2009-01-02 b    3
2009-01-03 b    5

Question 5

index_col=Falseパラメータを追加するだけです

df1 = pd.read_csv('foo.csv',
     header=0,
     index_col=False,
     names=["dummy", "date", "loc", "x"], 
     index_col=["date", "loc"], 
     usecols=["dummy", "date", "loc", "x"],
     parse_dates=["date"])
  print df1

Question 6

最初にcsvをインポートしてcsv.DictReaderを使用するのは処理が簡単です...