如何借助.names文件为Pandas导入的UCI auto-mpg数据集设置列名？

步骤1：提取列名 #

auto-mpg.names是数据集的说明文档，其中明确列出了9个字段的名称，整理成列表如下：

column_names = [
    "mpg",
    "cylinders",
    "displacement",
    "horsepower",
    "weight",
    "acceleration",
    "model_year",
    "origin",
    "car_name"
]

步骤2：修改读取代码 #

在pd.read_csv中添加names参数传入列名列表，同时设置header=None（因为原始数据没有自带表头，避免把第一行数据误判为表头）：

import pandas as pd

column_names = [
    "mpg",
    "cylinders",
    "displacement",
    "horsepower",
    "weight",
    "acceleration",
    "model_year",
    "origin",
    "car_name"
]

data_auto = pd.read_csv(
    "https://archive.ics.uci.edu/ml/machine-learning-databases/auto-mpg/auto-mpg.data-original",
    comment="#",
    sep=r"\s+",
    names=column_names,
    header=None
)

# 验证结果
print(data_auto.head())

关键说明 #

• sep=r"\s+"的作用：匹配任意数量的空白字符（空格、制表符），适配数据集中字段间的不规则分隔。
• header=None必须设置：原始数据第一行是实际数据，不是表头，该参数告诉Pandas不要将第一行当作列名处理。

内容的提问来源于stack exchange，提问作者Zofia Smoleń