Soubory CSV jsou soubory oddělené čárkami. Pro přístup k datům ze souboru CSV potřebujeme od Pandas funkci read_csv(), která načte data ve formě datového rámce.
Syntaxe read_csv()
Zde je Pandy čtou CSV syntaxe s jejími parametry.
Syntaxe: pd.read_csv (filepath_or_buffer, sep=’ ,’ , header=’infer’, index_col=None, usecols=None, engine=None, skiprows=None, nrows=None)
Parametry:
- filepath_or_buffer : Umístění souboru csv. Přijímá jakoukoli cestu řetězce nebo adresu URL souboru.
- září : Znamená oddělovač, výchozí je „,“.
- záhlaví : Přijímá int, seznam int, čísla řádků, která se mají použít jako názvy sloupců, a začátek dat. Pokud nejsou předány žádné názvy, tj. header=None, zobrazí se první sloupec jako 0, druhý jako 1 atd.
- usecols : Načte pouze vybrané sloupce ze souboru CSV.
- nrows : Počet řádků, které se mají zobrazit z datové sady.
- index_col : Pokud je žádné, nebudou spolu se záznamy zobrazena žádná indexová čísla.
- skipry : Přeskočí předané řádky v novém datovém rámci.
Čtěte soubor CSV pomocí Pandas read_csv
Před použitím této funkce musíme importovat pandy knihovny, načteme soubor CSV pomocí Pandas.
PYTHON3
jak blokovat reklamy na youtube na android
# Import pandas> import> pandas as pd> # reading csv file> df>=> pd.read_csv(>'people.csv'>)> print>(df.head())> |
>
>
Výstup:
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>
Použitím září v read_csv()
V tomto příkladu vezmeme soubor CSV a poté přidáme nějaké speciální znaky, abychom viděli, jak to funguje září parametr funguje.
Python3
# 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)> |
>
>
Výstup:
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>
Použití usecols v read_csv()
Zde specifikujeme pouze 3 sloupce, tj. [First Name, Sex, Email] k načtení a jako výchozí záhlaví používáme záhlaví 0.
Python3
df>=> pd.read_csv(>'people.csv'>,> >header>=>0>,> >usecols>=>[>'First Name'>,>'Sex'>,>'Email'>])> # printing dataframe> print>(df.head())> |
>
>
Výstup:
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]>
Použití index_col v read_csv()
Zde používáme Sex nejprve index a poté Pracovní pozice index, můžeme jednoduše přeindexovat hlavičku pomocí index_col parametr.
Python3
bash zkontrolujte, zda je nastavena proměnná prostředí
df>=> pd.read_csv(>'people.csv'>,> >header>=>0>,> >index_col>=>[>'Sex'>,>'Job Title'>],> >usecols>=>[>'Sex'>,>'Job Title'>,>'Email'>])> print>(df.head())> |
>
>
Výstup:
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]>
Použití nrows v read_csv()
Zde pouze zobrazíme pouze 5 řádků pomocí parametr nrows .
Python3
df>=> pd.read_csv(>'people.csv'>,> >header>=>0>,> >index_col>=>[>'Sex'>,>'Job Title'>],> >usecols>=>[>'Sex'>,>'Job Title'>,>'Email'>],> >nrows>=>3>)> print>(df)> |
>
>
Výstup:
Email Sex Job Title Male Games developer [email protected] Female Phytotherapist [email protected] Male Homeopath [email protected]>
Použití skiprops v read_csv()
The skipry pomozte přeskočit některé řádky v CSV, tj. zde uvidíte, že řádky uvedené v skiprow byly z původní datové sady přeskočeny.
Python3
jak proměnit řetězec v int
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)> |
>
>
Výstup:
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>