Pandas转置DataFrame后出现额外数字行的问题咨询

我太懂这种被莫名多出的数字行搞懵的感觉了！咱们一步步来搞清楚问题出在哪，以及怎么解决。

问题根源 #

你看到的顶部数字行，其实是原始DataFrame默认的数字行索引。当你直接读取CSV而没有指定索引列时，Pandas会自动给每行分配0、1、2...的索引。转置(.T)之后，这些数字索引就变成了转置后DataFrame的列名，当你直接to_csv时，这些列名就会被写入文件顶部，也就是你看到的那行数字。

你的尝试没生效的原因：

• 设置index=False是去掉最终保存时的行索引，但没解决转置后列名是数字的问题；
• 执行df_merged.set_index('Sample',inplace=True)如果是在转置后操作，这时候已经晚了——转置后的列已经是原来的数字索引了，无法再把'Sample'设为索引来覆盖。

修正后的解决方案 #

有两种简单的方式可以解决，核心都是读取数据时就把第一列（Sample列）设为索引，避免默认的数字索引干扰：

方法1：重置索引并指定表头

# 读取数据时，将第一列（即包含tRNA/CDS等的列）设为索引
df_merged = pd.read_csv(str(save_path) + "all_stats_matrix.csv", index_col=0)
# 转置数据
df_transposed = df_merged.T
# 把转置后的行索引（input_test等）转为一列，并命名为'Sample'
df_transposed = df_transposed.reset_index().rename(columns={'index': 'Sample'})
# 保存时不生成额外的数字索引列
df_transposed.to_csv(str(save_path) + "all_stats_matrix_transposed.csv", index=False)

方法2：直接指定索引标签保存

这种更简洁，转置后直接保存时，把行索引的名称设为'Sample'：

# 同样先把第一列设为索引读取
df_merged = pd.read_csv(str(save_path) + "all_stats_matrix.csv", index_col=0)
# 转置后保存，index_label参数会把行索引作为第一列，表头设为'Sample'
df_merged.T.to_csv(str(save_path) + "all_stats_matrix_transposed.csv", index_label='Sample')

验证效果 #

用上面任意一种方法，你得到的CSV都会是这样的结构，完全没有顶部的数字行：

Sample,tRNA,CDS,3utr,5utr,5ss,3ss,proxintron,distintron,noncoding_exon,noncoding_5ss,noncoding_3ss,noncoding_proxintron,noncoding_distintron,allexonic,allintronic,all
input_test,5,9330,2525,1966,960,932,1221,6450,1477,25,16,68,629,15298,10301,27131
input_test2,5,9330,2525,1966,960,932,1221,6450,1477,25,16,68,629,15298,10301,27131
...

内容的提问来源于stack exchange，提问作者vegal35866