Els fitxers CSV són els fitxers separats per comes. Per accedir a les dades del fitxer CSV, necessitem una funció read_csv() de Pandas que recuperi dades en forma de marc de dades.
Sintaxi de read_csv()
Aquí hi ha Els pandes llegeixen CSV sintaxi amb els seus paràmetres.
Sintaxi: pd.read_csv (filepath_or_buffer, sep=’ ,’ , header=’infer’, index_col=None, usecols=None, engine=None, skiprows=None, nrows=None)
Paràmetres:
- filepath_or_buffer : Ubicació del fitxer csv. Accepta qualsevol ruta de cadena o URL del fitxer.
- set : Significa separador, per defecte és ‘, ‘.
- capçalera : accepta int, una llista d'int, números de fila per utilitzar com a noms de columna i l'inici de les dades. Si no es passa cap nom, és a dir, capçalera=Cap, mostrarà la primera columna com a 0, la segona com a 1, i així successivament.
- usecols : només recupera les columnes seleccionades del fitxer CSV.
- nfiles : Nombre de files que es mostraran del conjunt de dades.
- index_col : Si Cap, no es mostren números d'índex juntament amb els registres.
- trames d'esquí : Omet les files passats al nou marc de dades.
Llegiu el fitxer CSV amb Pandas read_csv
Abans d'utilitzar aquesta funció, hem d'importar el fitxer Pandes biblioteca, carregarem el fitxer CSV amb Pandas.
PYTHON3
declaració javascript if
# Import pandas> import> pandas as pd> # reading csv file> df>=> pd.read_csv(>'people.csv'>)> print>(df.head())> |
>
>
Sortida:
First Name Last Name Sex Email Date of birth Job Title 0 Shelby Terrell Male [email protected] 1945-10-26 Games developer 1 Phillip Summers Female [email protected] 1910-03-24 Phytotherapist 2 Kristine Travis Male [email protected] 1992-07-02 Homeopath 3 Yesenia Martinez Male [email protected] 2017-08-03 Market researcher 4 Lori Todd Male [email protected] 1938-12-01 Veterinary surgeon>
Utilitzant set a read_csv()
En aquest exemple, agafarem un fitxer CSV i després afegirem alguns caràcters especials per veure com funciona set el paràmetre funciona.
Python 3
# sample = 'totalbill_tip, sex:smoker, day_time, size> # 16.99, 1.01:Female|No, Sun, Dinner, 2> # 10.34, 1.66, Male, No|Sun:Dinner, 3> # 21.01:3.5_Male, No:Sun, Dinner, 3> #23.68, 3.31, Male|No, Sun_Dinner, 2> # 24.59:3.61, Female_No, Sun, Dinner, 4> # 25.29, 4.71|Male, No:Sun, Dinner, 4'> # Importing pandas library> import> pandas as pd> # Load the data of csv> df>=> pd.read_csv(>'sample.csv'>,> >sep>=>'[:, |_]'>,> >engine>=>'python'>)> # Print the Dataframe> print>(df)> |
>
>
Sortida:
totalbill tip Unnamed: 2 sex smoker Unnamed: 5 day time Unnamed: 8 size 16.99 NaN 1.01 Female No NaN Sun NaN Dinner NaN 2 10.34 NaN 1.66 NaN Male NaN No Sun Dinner NaN 3 21.01 3.50 Male NaN No Sun NaN Dinner NaN 3.0 None 23.68 NaN 3.31 NaN Male No NaN Sun Dinner NaN 2 24.59 3.61 NaN Female No NaN Sun NaN Dinner NaN 2 25.29 NaN 4.71 Male NaN No Sun NaN Dinner NaN 4>
Utilitzant usecols a read_csv()
Aquí, estem especificant només 3 columnes, és a dir, [Nom, Sexe, Correu electrònic] per carregar i utilitzem la capçalera 0 com a capçalera predeterminada.
Python 3
df>=> pd.read_csv(>'people.csv'>,> >header>=>0>,> >usecols>=>[>'First Name'>,>'Sex'>,>'Email'>])> # printing dataframe> print>(df.head())> |
>
>
Sortida:
First Name Sex Email 0 Shelby Male [email protected] 1 Phillip Female [email protected] 2 Kristine Male [email protected] 3 Yesenia Male [email protected] 4 Lori Male [email protected]>
Utilitzant index_col a read_csv()
Aquí, fem servir el Sexe primer índex i després el Lloc de treball index, simplement podem reindexar la capçalera amb index_col paràmetre.
Python 3
cadena adjunta java
df>=> pd.read_csv(>'people.csv'>,> >header>=>0>,> >index_col>=>[>'Sex'>,>'Job Title'>],> >usecols>=>[>'Sex'>,>'Job Title'>,>'Email'>])> print>(df.head())> |
>
>
Sortida:
Email Sex Job Title Male Games developer [email protected] Female Phytotherapist [email protected] Male Homeopath [email protected] Market researcher [email protected] Veterinary surgeon [email protected]>
Ús de nrows a read_csv()
Aquí, només mostrem només 5 files utilitzant paràmetre nrows .
Python 3
df>=> pd.read_csv(>'people.csv'>,> >header>=>0>,> >index_col>=>[>'Sex'>,>'Job Title'>],> >usecols>=>[>'Sex'>,>'Job Title'>,>'Email'>],> >nrows>=>3>)> print>(df)> |
int a char java
>
>
Sortida:
Email Sex Job Title Male Games developer [email protected] Female Phytotherapist [email protected] Male Homeopath [email protected]>
Ús de skiprows a read_csv()
El trames d'esquí ajuda a saltar algunes files en CSV, és a dir, aquí observareu que les files esmentades a skiprows s'han omès del conjunt de dades original.
Python 3
df>=> pd.read_csv(>'people.csv'>)> print>(>'Previous Dataset: '>)> print>(df)> # using skiprows> df>=> pd.read_csv(>'people.csv'>, skiprows>=> [>1>,>5>])> print>(>'Dataset After skipping rows: '>)> print>(df)> |
>
>
Sortida:
Previous Dataset: First Name Last Name Sex Email Date of birth Job Title 0 Shelby Terrell Male [email protected] 1945-10-26 Games developer 1 Phillip Summers Female [email protected] 1910-03-24 Phytotherapist 2 Kristine Travis Male [email protected] 1992-07-02 Homeopath 3 Yesenia Martinez Male [email protected] 2017-08-03 Market researcher 4 Lori Todd Male [email protected] 1938-12-01 Veterinary surgeon 5 Erin Day Male [email protected] 2015-10-28 Management officer 6 Katherine Buck Female [email protected] 1989-01-22 Analyst 7 Ricardo Hinton Male [email protected] 1924-03-26 Hydrogeologist Dataset After skipping rows: First Name Last Name Sex Email Date of birth Job Title 0 Shelby Terrell Male [email protected] 1945-10-26 Games developer 1 Kristine Travis Male [email protected] 1992-07-02 Homeopath 2 Yesenia Martinez Male [email protected] 2017-08-03 Market researcher 3 Lori Todd Male [email protected] 1938-12-01 Veterinary surgeon 4 Katherine Buck Female [email protected] 1989-01-22 Analyst 5 Ricardo Hinton Male [email protected] 1924-03-26 Hydrogeologist>