如何使用大熊猫从CSV查看单行

Question

我从https://www.kaggle.com/currie32/crimes-ingimes-in-chicago

获得了此CSV文件

我使用pandas将2008-20011 CSV阅读到数据范围内，我收到了一条parseerror消息，说明在CSV的某些行中，发现了41个字段，可以期待23。

。

parsererror：错误令牌数据。C错误：预期的23个字段1149094，SAW 41

我使用此命令来读取CSV，简单地跳过任何不良行：

CHIcrime_df2 = pd.read_csv(path, error_bad_lines=False)

按计划使用的

，但我想知道所有这些额外的字段是什么，所以我使用csv.reader

阅读了该文件

with open('path') as data: reader=csv.reader(data) interestingrows=[row for idx, row in enumerate(reader) if idx==1149094]

我希望有41个字段，但有23个。我也想确保我不会混淆索引，所以我在之前和之后打印了一些索引。他们每个人都有相同数量的字段。谁能帮我了解这件事是怎么回事？

Answer 1

大卫·马科沃(David Makovoz(已经解释了这个问题，所以我将回答您的问题：

如何使用pandas从CSV查看单行

如果错误在n(1149094(处发生，则跳过n-1行，只读取1行：

df = pd.read_csv('Chicago_Crimes_2008_to_2011.csv', skiprows=1149093, nrows=1, header=None)

结果：

>>> print(df.values)
[[2023517 7818233 'HS626859' '11/21/2010 11:00:00 PM'
  '079XX S JEFFERY BLVD' 460 'BATTERY' 'SIMPLE' 'STREET' False False 414
  4.0 8.0 46.0 '08B' 1190912.0 1852820.0 2010 '02/04/2016 06:33:39 AM'
  41.751151039 '-87.1:00:00 AM' '031XX W LEXINGTON ST' 810 'THEFT'
  'OVER $500' 'STREET' False False 1134 11.0 24.0 27.0 6 nan nan 2008
  '08/17/2015 03:03:40 PM' nan nan nan]]

Answer 2

我同意这是令人困惑的。要弄清楚发生了什么，我不得不使用pandas读取文件：

import zipfile
import pandas as pd
archive = zipfile.ZipFile(fname, 'r')
csvfile = archive.open('Chicago_Crimes_2008_to_2011.csv', 'r')
bdata = csvfile .readlines()
data = [line.decode() for line in bdata]
data_df = pd.DataFrame.from_records(data[1:]) #the first line is the header

到目前为止，一切都很好。

data_df.shape
>>(2688711, 41)

好的，有41列的行

data_df.dropna()
>>1149092   2023517 7818233 HS626859    11/21/2010 11:00:00 PM  079XX S JEFFERY BLVD ...

因此，它是行＃1149093不计算标题和1149094计数标题。

print (data[1149093])
>>['2023517', '7818233', 'HS626859', '11/21/2010 11:00:00 PM', '079XX S JEFFERY BLVD', '0460', 'BATTERY', 'SIMPLE', 'STREET', 'False', 'False', '414', '4.0', '8.0', '46.0', '08B', '1190912.0', '1852820.0', '2010', '02/04/2016 06:33:39 AM', '41.751151039', '-87.1:00:00 AM', '031XX W LEXINGTON ST', '0810', 'THEFT', 'OVER $500', 'STREET', 'False', 'False', '1134', '11.0', '24.0', '27.0', '06', '', '', '2008', '08/17/2015 03:03:40 PM', '', '', '']

因此，它看起来像两排，其中写成一条重叠。但是，最重要的是，您正在通过忽略该行CHIcrime_df2 = pd.read_csv(path, error_bad_lines=False)