Чтение данных из CSV (значения, разделенные запятыми) является фундаментальной необходимостью в науке о данных. Часто мы получаем данные из различных источников, которые можно экспортировать в формат CSV, чтобы их могли использовать другие системы. Библиотека Panadas предоставляет функции, с помощью которых мы можем прочитать файл CSV полностью, а также по частям только для выбранной группы столбцов и строк.
Ввод как файл CSV
Файл CSV представляет собой текстовый файл, в котором значения в столбцах разделены запятой. Давайте рассмотрим следующие данные, присутствующие в файле с именем input.csv .
Вы можете создать этот файл с помощью блокнота Windows, скопировав и вставив эти данные. Сохраните файл как input.csv, используя параметр «Сохранить как все файлы (*. *)» В блокноте.
id,name,salary,start_date,dept 1,Rick,623.3,2012-01-01,IT 2,Dan,515.2,2013-09-23,Operations 3,Tusar,611,2014-11-15,IT 4,Ryan,729,2014-05-11,HR 5,Gary,843.25,2015-03-27,Finance 6,Rasmi,578,2013-05-21,IT 7,Pranab,632.8,2013-07-30,Operations 8,Guru,722.5,2014-06-17,Finance
Чтение файла CSV
Функция read_csv библиотеки pandas используется для чтения содержимого файла CSV в среду python как DataFrame pandas. Функция может читать файлы из ОС, используя правильный путь к файлу.
import pandas as pd data = pd.read_csv('path/input.csv') print (data)
Когда мы выполняем приведенный выше код, он дает следующий результат. Обратите внимание, как функция создала дополнительный столбец, начинающийся с нуля как индекс.
id name salary start_date dept 0 1 Rick 623.30 2012-01-01 IT 1 2 Dan 515.20 2013-09-23 Operations 2 3 Tusar 611.00 2014-11-15 IT 3 4 Ryan 729.00 2014-05-11 HR 4 5 Gary 843.25 2015-03-27 Finance 5 6 Rasmi 578.00 2013-05-21 IT 6 7 Pranab 632.80 2013-07-30 Operations 7 8 Guru 722.50 2014-06-17 Finance
Чтение определенных строк
Функция read_csv библиотеки pandas также может использоваться для чтения некоторых определенных строк для данного столбца. Мы нарезаем результат из функции read_csv, используя код, показанный ниже для первых 5 строк столбца с именем salary.
import pandas as pd data = pd.read_csv('path/input.csv') # Slice the result for first 5 rows print (data[0:5]['salary'])
Когда мы выполняем приведенный выше код, он дает следующий результат.
0 623.30 1 515.20 2 611.00 3 729.00 4 843.25 Name: salary, dtype: float64
Чтение определенных столбцов
Функция read_csv библиотеки pandas также может быть использована для чтения определенных столбцов. Для этой цели мы используем метод многоосевого индексирования .loc () . Мы выбрали отображение столбца зарплаты и имени для всех строк.
import pandas as pd data = pd.read_csv('path/input.csv') # Use the multi-axes indexing funtion print (data.loc[:,['salary','name']])
Когда мы выполняем приведенный выше код, он дает следующий результат.
salary name 0 623.30 Rick 1 515.20 Dan 2 611.00 Tusar 3 729.00 Ryan 4 843.25 Gary 5 578.00 Rasmi 6 632.80 Pranab 7 722.50 Guru
Чтение определенных столбцов и строк
Функция read_csv библиотеки pandas также может использоваться для чтения некоторых определенных столбцов и определенных строк. Для этой цели мы используем метод многоосевого индексирования .loc () . Мы выбрали отображение столбца зарплаты и имени для некоторых строк.
import pandas as pd data = pd.read_csv('path/input.csv') # Use the multi-axes indexing funtion print (data.loc[[1,3,5],['salary','name']])
Когда мы выполняем приведенный выше код, он дает следующий результат.
salary name 1 515.2 Dan 3 729.0 Ryan 5 578.0 Rasmi
Чтение определенных столбцов для ряда строк
Функция read_csv библиотеки pandas также может использоваться для чтения некоторых определенных столбцов и диапазона строк. Для этой цели мы используем метод многоосевого индексирования .loc () . Мы выбрали отображение столбца зарплаты и имени для некоторых строк.
import pandas as pd data = pd.read_csv('path/input.csv') # Use the multi-axes indexing funtion print (data.loc[2:6,['salary','name']])
Когда мы выполняем приведенный выше код, он дает следующий результат.