Пропуск строк во время импорта CSV с помощью Pandas

При импорте данных CSV с помощью Pandas часто необходимо пропустить ненужные строки включить в свой анализ. Однако двусмысленность, окружающая аргумент jumprows, может сбить с толку.

Синтаксис jumprows следующий:

skiprows : list-like or integer
Row numbers to skip (0-indexed) or number of rows to skip (int) at the start of the file.

Возникает вопрос: как Pandas узнает, следует ли пропустить первую строку или строку с индексом? 1, когда указано Skiprows=1?

Чтобы разобраться в этом, давайте проведем эксперимент, используя образец CSV-файла с тремя строками:

1, 2
3, 4
5, 6

Пропуск строки с индексом 1

Если вы хотите пропустить строку с индексом 1, передайте пропуск строк в виде списка:

import pandas as pd
from io import StringIO

s = """1, 2
... 3, 4
... 5, 6"""

df = pd.read_csv(StringIO(s), skiprows=[1], header=None)  # Skip row with index 1
print(df)

Вывод:

   0  1
0  1  2
1  5  6

Пропуск количества строк

Чтобы пропустить определенное количество строк (в данном случае 1), передайте пропущенные строки как целое число:

df = pd.read_csv(StringIO(s), skiprows=1, header=None)  # Skip the first row
print(df)

Вывод:

   0  1
0  3  4
1  5  6

Следовательно, очевидно, что аргумент jumprows ведет себя по-разному в зависимости от того, предоставляете ли вы список или целое число. Если вы хотите пропустить строку по ее индексу, используйте список. В противном случае используйте целое число, чтобы пропустить указанное количество строк с начала файла.