Estou usando o pandas 0.12.0 no ipython3 no Ubuntu 13.10, para agrupar grandes conjuntos de dados delimitados por tabulações em arquivos txt. O uso de read_table para criar um DataFrame a partir do txt parece funcionar e a primeira linha é lida como um cabeçalho, mas a tentativa de acessar a primeira coluna usando seu nome como um índice gera um KeyError. Não entendo por que isso acontece, já que todos os nomes de colunas parecem ter sido lidos corretamente e todas as outras colunas podem ser indexadas dessa maneira.

Os dados são assim:

RECORDING_SESSION_LABEL LEFT_GAZE_X LEFT_GAZE_Y RIGHT_GAZE_X    RIGHT_GAZE_Y    VIDEO_FRAME_INDEX   VIDEO_NAME
73_1    .   .   395.1   302 .   .
73_1    .   .   395 301.9   .   .
73_1    .   .   394.9   301.7   .   .
73_1    .   .   394.8   301.5   .   .
73_1    .   .   394.6   301.3   .   .
73_1    .   .   394.7   300.9   .   .
73_1    .   .   394.9   301.3   .   .
73_1    .   .   395.2   302 1   1_1_just_act.avi
73_1    .   .   395.3   302.3   1   1_1_just_act.avi
73_1    .   .   395.4   301.9   1   1_1_just_act.avi
73_1    .   .   395.7   301.5   1   1_1_just_act.avi
73_1    .   .   395.9   301.5   1   1_1_just_act.avi
73_1    .   .   396 301.5   1   1_1_just_act.avi
73_1    .   .   395.9   301.5   1   1_1_just_act.avi
15_1    395.4   301.7   .   .   .   .

O delimitador é definitivamente guias, e não há espaços em branco à direita ou à esquerda.

O erro ocorre com este programa mínimo:

import pandas as pd

samples = pd.read_table('~/datafile.txt')

print(samples['RECORDING_SESSION_LABEL'])

que fornece o erro:

---------------------------------------------------------------------------
KeyError                                  Traceback (most recent call last)
<ipython-input-65-137d3c16b931> in <module>()
----> 1 print(samples['RECORDING_SESSION_LABEL'])

/usr/lib/python3/dist-packages/pandas/core/frame.py in __getitem__(self, key)
   2001             # get column
   2002             if self.columns.is_unique:
-> 2003                 return self._get_item_cache(key)
   2004 
   2005             # duplicate columns

/usr/lib/python3/dist-packages/pandas/core/generic.py in _get_item_cache(self, item)
    665             return cache[item]
    666         except Exception:
--> 667             values = self._data.get(item)
    668             res = self._box_item_values(item, values)
    669             cache[item] = res

/usr/lib/python3/dist-packages/pandas/core/internals.py in get(self, item)
   1654     def get(self, item):
   1655         if self.items.is_unique:
-> 1656             _, block = self._find_block(item)
   1657             return block.get(item)
   1658         else:

/usr/lib/python3/dist-packages/pandas/core/internals.py in _find_block(self, item)
   1934 
   1935     def _find_block(self, item):
-> 1936         self._check_have(item)
   1937         for i, block in enumerate(self.blocks):
   1938             if item in block:

/usr/lib/python3/dist-packages/pandas/core/internals.py in _check_have(self, item)
   1941     def _check_have(self, item):
   1942         if item not in self.items:
-> 1943             raise KeyError('no item named %s' % com.pprint_thing(item))
   1944 
   1945     def reindex_axis(self, new_axis, method=None, axis=0, copy=True):

KeyError: 'no item named RECORDING_SESSION_LABEL'

Simplesmente fazendoprint(samples) fornece a saída esperada da impressão de toda a tabela, completa com a primeira coluna e seu cabeçalho. Tentar imprimir qualquer outra coluna (ou seja, exatamente o mesmo código, mas com 'RECORDING_SESSION_LABEL' substituído por 'LEFT_GAZE_X') funciona como deveria. Além disso, o cabeçalho parece ter sido lido corretamente e o pandas reconhece 'RECORDING_SESSION_LABEL' como um nome de coluna. Isso é evidenciado pelo uso do método .info () e pela exibição do atributo .columns das amostras, após a leitura em:

>samples.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 28 entries, 0 to 27
Data columns (total 7 columns):
RECORDING_SESSION_LABEL    28  non-null values
LEFT_GAZE_X                 28  non-null values
LEFT_GAZE_Y                 28  non-null values
RIGHT_GAZE_X                28  non-null values
RIGHT_GAZE_Y                28  non-null values
VIDEO_FRAME_INDEX           28  non-null values
VIDEO_NAME                  28  non-null values
dtypes: object(7)

>print(samples.columns)

Index(['RECORDING_SESSION_LABEL', 'LEFT_GAZE_X', 'LEFT_GAZE_Y', 'RIGHT_GAZE_X', 'RIGHT_GAZE_Y', 'VIDEO_FRAME_INDEX', 'VIDEO_NAME'], dtype=object)

Outro comportamento de erro que sinto estar relacionado ocorre ao usar a conclusão da guia do ipython, o que me permite acessar as colunas de amostras como se fossem atributos. Funciona para todas as colunas, exceto a primeira. ie; pressionando a tecla Tab com>samples.R apenas sugeresamples.RIGHT_GAZE_X samples.RIGHT_GAZE_Y.

Então, por que ele está se comportando normalmente ao examinar todo o quadro de dados, mas falhando ao tentar acessar a primeira coluna pelo nome, mesmo que pareça ter lido corretamente esse nome?