一、问题
用pandas读csv时,通过某些条件进行清洗数据,但是总感觉清洗出来的数据不对,就又用Python自带的csv模块进行了一次清洗,结果发现两种方式清洗出来的数据结果不一致,并且在pandas读入数据时,出现如下数据类型warning
D:\myCode\PythonTest\MachineLearning\venv\Scripts\python.exe D:/myCode/spark/spark_ML/data2New.py
sys:1: DtypeWarning: Columns (2,3) have mixed types. Specify dtype option on import or set low_memory=False.意思是2,3列的数据类型不一致。为什么会出现这种情况呢?
pandas读取csv文件默认是按块读取的,即不一次性全部读取;
另外pandas对数据的类型是完全靠猜的,所以pandas每读取一块数据就对csv字段的数据类型进行猜一次,所以有可能pandas在读取不同块时对同一字段的数据类型猜测结果不一致。
二、解决方法
方法一:
按照提示,读入数据时指定参数low_memory=False,可以部分解决这类问题。
原来代码:
df0 = pd.read_csv('D:/myCode/spark/spark_ML/2019data.csv')添加指定参数后:
df0 = pd.read_csv('