考虑到中间的空白列，如何计算列数？

Question

如果df某些列之间有空格，我如何计算列数？我df基于 XLS 文件创建，它有这样的问题。空白列的数量未知，但从不超过 20。df =col1   col2   col3        col4112    ret    56          xx34     wet    45          yy如何计算列数： * 得到 4 列（不考虑空白列） * 得到 5 列（考虑空白列）。该方法应该适用于非空白列之间的任意数量的空白列。更新：pandas DataFramedf的创建方式如下：f_path = "C://test/myfile_with_blank_columns.xls"df = pd.read_excel(open(f_path,'rb'), sheet_name='goal')数据示例（某些文件不包含标题）：0   0   24.1    23.9    24.4    24.3                            2.8801360   0   24.1    23.9    24.4    24.3                            2.8786890   0   24.1    23.9    24.4    24.3                            2.8750720   0   24.1    23.9    24.4    24.3                            2.883029

Answer 1

这取决于空白列的格式。例如，考虑它们是空字符串的情况：

df = pd.DataFrame({'A': [1,2,3], 

                   '' : ['','',''], 

                   'B': [1,2,3]})

选项1：

您可以尝试计算空列的数量：

df_columns = list(df.columns)

num_cols = len(df_columns) - df_columns.count('')

print(num_cols)

# returns 2

选项 2：

另一种选择是使用.isidentifier()string 方法，这将更加健壮，因为它将空字符串和空格都检测为空白列。但是，它会过滤掉任何带有空格的列！因此，仅当您的非空列具有格式良好的列名时，这再次起作用。

num_cols = np.sum([col.isidentifier() for col in df.columns])

print(num_cols)

# prints 2

Answer 2

这是简单的解决方案

dff = pd.read_excel('D:/test.xlsx',sheet_name='goal',header=None, na_values=' ') #This will convert blank values to NaN

dff 

   0  1     2     3     4     5   6   7   8         9

0  0  0  24.1  23.9  24.4  24.3 NaN NaN NaN  2.880136

1  0  0  24.1  23.9  24.4  24.3 NaN NaN NaN  2.878689

2  0  0  24.1  23.9  24.4  24.3 NaN NaN NaN  2.875072

3  0  0  24.1  23.9  24.4  24.3 NaN NaN NaN  2.883029

获取列（不考虑空白列）

col = list(dff.drop(dff.loc[:,list((100*(dff.isnull().sum()/len(dff.index))==100))].columns, 1).columns.values)

print(col)

# [0, 1, 2, 3, 4, 5, 9]

print(len(col))

# 7

获取列（考虑空白列）

all_col = dff.columns.tolist()

print(all_col)

# [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

print(len(all_col))

# 10

注意：您可以创建没有空白列的单独数据框

df1 = dff[col]

df1

   0  1     2     3     4     5         9

0  0  0  24.1  23.9  24.4  24.3  2.880136

1  0  0  24.1  23.9  24.4  24.3  2.878689

2  0  0  24.1  23.9  24.4  24.3  2.875072

3  0  0  24.1  23.9  24.4  24.3  2.883029