Python Processing CSV Data

优质

小牛编辑

130浏览

2023-12-01

从CSV读取数据（逗号分隔值）是数据科学中的基本必需品。通常，我们从各种来源获取数据，这些数据可以导出为CSV格式，以便其他系统可以使用它们。 Panadas库提供了一些功能，使用这些功能我们可以完整地读取CSV文件，也可以只读取选定的一组列和行的部分。

输入为CSV文件

csv文件是一个文本文件，其中列中的值用逗号分隔。让我们考虑名为input.csv的文件中存在以下数据。

您可以通过复制和粘贴此数据使用Windows记事本创建此文件。使用记事本中的“另存为所有文件（*。*）”选项将文件另存为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

读取CSV文件

使用pandas库的read_csv函数将CSV文件的内容作为pandas DataFrame读取到python环境中。该函数可以使用适当的文件路径从OS读取文件。

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

当我们执行上面的代码时，它会产生以下结果。请注意该函数是如何创建以零开头的附加列作为索引。

   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

阅读特定行

pandas库的read_csv函数也可用于读取给定列的某些特定行。我们使用下面显示的代码对read_csv函数中的结果进行切片，对于名为salary的列，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'])

当我们执行上面的代码时，它会产生以下结果。

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

阅读特定列

pandas库的read_csv函数也可用于读取某些特定列。为此，我们使用名为.loc()的多轴索引方法。我们选择显示所有行的salary和name列。

import pandas as pd
data = pd.read_csv('path/input.csv')
# Use the multi-axes indexing funtion
print (data.loc[:,['salary','name']])

当我们执行上面的代码时，它会产生以下结果。

   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

阅读特定的列和行

pandas库的read_csv函数也可用于读取某些特定列和特定行。为此，我们使用名为.loc()的多轴索引方法。我们选择显示某些行的salary和name列。

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']])

当我们执行上面的代码时，它会产生以下结果。

   salary   name
1   515.2    Dan
3   729.0   Ryan
5   578.0  Rasmi

读取一系列行的特定列

pandas库的read_csv函数也可用于读取某些特定列和一系列行。为此，我们使用名为.loc()的多轴索引方法。我们选择显示某些行的salary和name列。

import pandas as pd
data = pd.read_csv('path/input.csv')
# Use the multi-axes indexing funtion
print (data.loc[2:6,['salary','name']])

当我们执行上面的代码时，它会产生以下结果。

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