迹忆客 专注技术分享

如你所知，索引可以被认为是一个参考点，用于存储和访问 DataFrame 中的记录。它们对每一行都是唯一的，通常范围从 0 到 DataFrame 的最后一行，但我们也可以有序列号、日期和其他唯一的列作为 DataFrame 的索引。

但有时在导出或读取文件时，用户可能不需要这个额外的索引列。用下面的 DataFrame 会更清楚地说明这个问题。

import pandas as pd

df = pd.DataFrame([[6, 7, 8], [9, 12, 14], [8, 10, 6]], columns=["a", "b", "c"])

print(df)

输出：

   a   b   c
0  6   7   8
1  9  12  14
2  8  10   6

正如你所看到的，我们在 DataFrame 中增加了一个额外的索引，用户在将其保存到文件时可以避免这个索引。如果我们想把这个 DataFrame 转换成一个没有索引列的 CSV 文件，我们可以通过在 to_csv() 函数中把 index 设置为 False 来实现。

示例代码。

import pandas as pd

df = pd.DataFrame([[6, 7, 8], [9, 12, 14], [8, 10, 6]], columns=["a", "b", "c"])

print(df)

df.to_csv("data2.csv", index=False)

输出：

   a   b   c
0  6   7   8
1  9  12  14
2  8  10   6

从输出中可以看出，DataFrame 确实有一个索引，但由于我们将 index 参数设置为 False，所以导出的 CSV 文件不会有额外的一列。

如果我们导出一个带有额外索引列的文件（没有将 index 参数设置为 False），然后尝试读取它，我们将得到一个奇怪的额外列。

import pandas as pd

df = pd.DataFrame([[6, 7, 8], [9, 12, 14], [8, 10, 6]], columns=["a", "b", "c"])

print(df)

df.to_csv("data2.csv")

df_new = pd.read_csv("data2.csv")

print(df_new)

输出：

   a   b   c
0  6   7   8
1  9  12  14
2  8  10   6
   Unnamed: 0  a   b   c
0           0  6   7   8
1           1  9  12  14
2           2  8  10   6

正如你所看到的，df_new DataFrame 有一个额外的 Unnamed 列。