如何同时展示两个DataFrame的列名与对应数据类型？

你遇到的ValueError: too many values to unpack (expected 1)是因为循环里的解构语法错误，同时没有正确处理zip返回的迭代元素。下面给你两种可行的解决方案，帮你实现column_name, dbf datatype, df datatype的输出格式：

错误原因分析 #

你之前的代码里，zip(dbf.dtypes.iteritems(), df.dtypes.iteritems())会生成这样的元素：((dbf列名, dbf类型), (csv列名, csv类型))，而你写的for name, in zip(...)只尝试解包1个值，这就触发了解包错误。另外你定义的dbf_type和df_type是整个迭代器对象，不是每个列的具体类型，就算语法对了输出也会不正确。

解决方案1：基于列顺序的匹配（适用于列顺序完全一致的情况） #

这种方法假设DBF转成的DataFrame和CSV读入的DataFrame列顺序完全相同，直接通过zip配对后解构：

print('Printing column name, DBF datatype, CSV datatype:')
# 注意：pandas新版本中iteritems()已被弃用，改用items()
for (dbf_col, dbf_dtype), (df_col, df_dtype) in zip(dbf.dtypes.items(), df.dtypes.items()):
    # 因为列名一致，取任意一个列名即可
    print(f'\t{dbf_col}\t\t{dbf_dtype}\t\t{df_dtype}')

解决方案2：基于列名的匹配（更稳妥，不受列顺序影响） #

如果担心两个DataFrame的列顺序可能不一致，推荐用列名直接匹配，这样能确保对应列的类型不会错位：

print('Printing column name, DBF datatype, CSV datatype:')
for col_name, dbf_dtype in dbf.dtypes.items():
    # 先检查列名是否在CSV的DataFrame中，避免KeyError
    if col_name in df.columns:
        df_dtype = df.dtypes[col_name]
        print(f'\t{col_name}\t\t{dbf_dtype}\t\t{df_dtype}')
    else:
        print(f'\t{col_name}\t\t{dbf_dtype}\t\t(Not found in CSV)')

额外注意事项 #

• 替换iteritems()为items()：pandas从1.0.0版本开始弃用了iteritems()，使用items()能保证代码在新版本中正常运行。
• 列名一致性：如果两个文件的列名存在差异，解决方案2中的判断逻辑能帮你避免报错，同时提示缺失的列。

内容的提问来源于stack exchange，提问作者Tommy Gibbons