Python處理CSV資料


從CSV讀取資料(逗號分隔值)是資料科學的基本需求。 通常,我們從各種來源獲取資料,這些資料可以匯出為CSV格式,以便其他系統可以使用這些資料。 Panadas庫提供了一些功能函式,我們可以使用該功能完整地讀取CSV檔案,也可以唯讀取選定的一組列和行。

CSV檔案作為輸入

csv檔案是一個文字檔案,其中列中的值由逗號分隔。假設有一個名稱為 input.csv 的檔案中的具有以下資料。

可以通過複製並貼上這些資料,使用Windows記事本建立該檔案。 使用記事本中的另存為全部檔案(.)選項,並將該檔案儲存為:input.csv

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

讀取CSV檔案

使用pandas庫的read_csv函式將CSV檔案的內容作為pandas DataFrame讀入python環境。 該功能可以通過使用適當的檔案路徑從作業系統中讀取檔案。如下實現程式碼 -

import pandas as pd
data = pd.read_csv('path/input.csv')
print (data)

當我們執行上面的程式碼時,它會產生以下結果。 請注意函式如何建立以零開頭的附加列作為索引。

   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

讀取指定行

熊貓庫的read_csv函式也可用於讀取給定列的某些特定行。 我們使用下面顯示的程式碼對read_csv函式的結果進行分割,例如:salary列的前5行。

import pandas as pd
data = pd.read_csv('path/input.csv')

# Slice the result for first 5 rows
print (data[0:5]['salary'])

執行上面範例程式碼,得到以下結果 -

0    623.30
1    515.20
2    611.00
3    729.00
4    843.25
Name: salary, dtype: float64

讀取特定列

Pandas庫的read_csv函式也可以用來讀取一些特定的列。 為此,我們使用稱為.loc()的多軸索引方法。 選擇顯示salarynama列的所有行。

import pandas as pd
data = pd.read_csv('path/input.csv')

# Use the multi-axes indexing funtion
print (data.loc[:,['salary','name']])

當我們執行上面的程式碼時,它會產生以下結果。

   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

讀取特定的列和行

Pandas庫的read_csv函式也可以用來讀取一些特定的列和特定的行。 為此,我們使用稱為.loc()的多軸索引方法。選擇顯示salaryname列的某些行。

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']])

當我們執行上面的程式碼時,它會產生以下結果。

   salary   name
1   515.2    Dan
3   729.0   Ryan
5   578.0  Rasmi

讀取一系列行的特定列

Pandas庫的read_csv函式也可以用來讀取一些特定的列和一系列的行。使用名稱為.loc()的多軸索引方法。選擇顯示sarlayname列的某些行。

import pandas as pd
data = pd.read_csv('path/input.csv')

# Use the multi-axes indexing funtion
print (data.loc[2:6,['salary','name']])

執行上面範例程式碼,得到以下結果 -

   salary    name
2  611.00   Tusar
3  729.00    Ryan
4  843.25    Gary
5  578.00   Rasmi
6  632.80  Pranab