Pandas-Python中能否不依赖列顺序、直接通过列名获取列值？

问题根源 #

你当前的读取代码使用names参数强制指定了列名列表，同时没有启用表头解析逻辑，pandas会直接按你给定的cols顺序给所有列赋值，完全不会读取csv第一行自带的列名，自然会出现列顺序调整后值错位的问题。

解决方法 #

核心逻辑是让pandas自动读取csv第一行作为列名，后续直接通过列名匹配取值，和列的实际排列顺序完全无关。

基础读取代码

import pandas as pd
import io

data_set = csv_file.read().decode('UTF-8')
io_string = io.StringIO(data_set)
# 不传names参数，默认header=0会将csv第一行识别为列名
df = pd.read_csv(io_string)

读取完成后你可以直接通过列名取对应的值，比如df['whatever1']就能拿到whatever1列的所有值，不管这一列在csv里排在第几的位置。

可选优化：限制只读取需要的列

如果你只需要固定的几列，可以在读取时指定usecols参数，既会自动校验列是否存在，也会忽略多余列，节省内存：

required_cols = ['whatever1','whatever2','whatever3','whatever4','whatever5']
df = pd.read_csv(io_string, usecols=required_cols)

可选优化：调整列到固定顺序

如果后续处理需要列按固定顺序排列，可以在读取后用reindex调整：

required_cols = ['whatever1','whatever2','whatever3','whatever4','whatever5']
# 自动按给定列表调整列顺序，不存在的列会赋值为NaN
df = pd.read_csv(io_string).reindex(columns=required_cols)

内容的提问来源于stack exchange，提问作者Miguel Herreros Cejas