Учебники

Python Pandas — IO Tools

Декабрь 4, 2018

Pandas I / O API — это набор функций считывателя верхнего уровня, доступный как pd.read_csv (), которые обычно возвращают объект Pandas.

Две функции рабочей лошадки для чтения текстовых файлов (или плоских файлов) — read_csv () и read_table () . Они оба используют один и тот же код для интеллектуального преобразования табличных данных в объект DataFrame — 

pandas.read_csv(filepath_or_buffer, sep=',', delimiter=None, header='infer',
names=None, index_col=None, usecols=None


pandas.read_csv(filepath_or_buffer, sep='\t', delimiter=None, header='infer',
names=None, index_col=None, usecols=None

Вот как выглядят данные файла CSV: 

S.No,Name,Age,City,Salary
1,Tom,28,Toronto,20000
2,Lee,32,HongKong,3000
3,Steven,43,Bay Area,8300
4,Ram,38,Hyderabad,3900

Сохраните эти данные как temp.csv и выполните операции с ними. 

S.No,Name,Age,City,Salary
1,Tom,28,Toronto,20000
2,Lee,32,HongKong,3000
3,Steven,43,Bay Area,8300
4,Ram,38,Hyderabad,3900

Сохраните эти данные как temp.csv и выполните операции с ними.

read.csv

read.csv считывает данные из файлов csv и создает объект DataFrame. 

import pandas as pd

df=pd.read_csv("temp.csv")
print df

Его вывод выглядит следующим образом — 

   S.No     Name   Age       City   Salary
0     1      Tom    28    Toronto    20000
1     2      Lee    32   HongKong     3000
2     3   Steven    43   Bay Area     8300
3     4      Ram    38  Hyderabad     3900

пользовательский индекс

Это указывает столбец в файле CSV для настройки индекса с помощью index_col. 

import pandas as pd

df=pd.read_csv("temp.csv",index_col=['S.No'])
print df

Его вывод выглядит следующим образом — 

S.No   Name   Age       City   Salary
1       Tom    28    Toronto    20000
2       Lee    32   HongKong     3000
3    Steven    43   Bay Area     8300
4       Ram    38  Hyderabad     3900

Преобразователи

D-тип столбцов может быть передан как dict. 

import pandas as pd

df = pd.read_csv("temp.csv", dtype={'Salary': np.float64})
print df.dtypes

Его вывод выглядит следующим образом — 

S.No       int64
Name      object
Age        int64
City      object
Salary   float64
dtype: object

По умолчанию d-тип столбца Salary — int , но результат показывает его как float, потому что мы явно приводили тип.

Таким образом, данные выглядят как float — 

  S.No   Name   Age      City    Salary
0   1     Tom   28    Toronto   20000.0
1   2     Lee   32   HongKong    3000.0
2   3  Steven   43   Bay Area    8300.0
3   4     Ram   38  Hyderabad    3900.0

header_names

Укажите имена заголовков, используя аргумент names. 

import pandas as pd
 
df=pd.read_csv("temp.csv", names=['a', 'b', 'c','d','e'])
print df

Его вывод выглядит следующим образом — 

       a        b    c           d        e
0   S.No     Name   Age       City   Salary
1      1      Tom   28     Toronto    20000
2      2      Lee   32    HongKong     3000
3      3   Steven   43    Bay Area     8300
4      4      Ram   38   Hyderabad     3900

Обратите внимание, что к именам заголовков добавляются пользовательские имена, но заголовок в файле не был удален. Теперь мы используем аргумент заголовка, чтобы удалить это.

Если заголовок находится в строке, отличной от первой, передайте номер строки в заголовок. Это пропустит предыдущие строки. 

import pandas as pd 

df=pd.read_csv("temp.csv",names=['a','b','c','d','e'],header=0)
print df

Его вывод выглядит следующим образом — 

      a        b    c           d        e
0  S.No     Name   Age       City   Salary
1     1      Tom   28     Toronto    20000
2     2      Lee   32    HongKong     3000
3     3   Steven   43    Bay Area     8300
4     4      Ram   38   Hyderabad     3900

SkipRows

skiprows пропускает указанное количество строк. 

import pandas as pd

df=pd.read_csv("temp.csv", skiprows=2)
print df

Его вывод выглядит следующим образом —

45
Share: