<\/p>\n
CSV-Dateien (durch Kommas getrennte Werte) sind eine der gebr\u00e4uchlichsten Methoden zum Speichern von Daten.<\/span><\/p>\n Gl\u00fccklicherweise k\u00f6nnen Sie mit der Funktion pandas read_csv()<\/a> ganz einfach CSV-Dateien in Python in fast jedem gew\u00fcnschten Format lesen.<\/span><\/p>\n In diesem Tutorial werden verschiedene M\u00f6glichkeiten zum Lesen von CSV-Dateien in Python mithilfe der folgenden CSV-Datei mit dem Namen \u201edata.csv\u201c<\/strong> erl\u00e4utert:<\/span><\/p>\n Der folgende Code zeigt, wie die CSV-Datei in einen Pandas-DataFrame eingelesen wird:<\/span><\/p>\n Der folgende Code zeigt, wie nur die Spalten mit der Bezeichnung \u201eplayerID\u201c und \u201epoints\u201c aus der CSV-Datei in einen Pandas-DataFrame eingelesen werden:<\/span><\/p>\n Sie k\u00f6nnen auch Spaltenindizes angeben, die in einen Pandas-DataFrame eingelesen werden sollen:<\/span><\/p>\n In manchen F\u00e4llen ist die Kopfzeile m\u00f6glicherweise nicht die erste Zeile in einer CSV-Datei.<\/span><\/p>\n Betrachten Sie beispielsweise die folgende CSV-Datei, in der die Kopfzeile tats\u00e4chlich in der zweiten Zeile erscheint:<\/span><\/p>\n Um diese CSV-Datei in einen Pandas-DataFrame einzulesen, k\u00f6nnen wir header=1<\/strong> wie folgt angeben:<\/span><\/p>\n Sie k\u00f6nnen beim Importieren einer CSV-Datei auch problemlos Zeilen \u00fcberspringen, indem Sie das Argument \u201eskiprows\u201c<\/strong> verwenden.<\/span><\/p>\n Der folgende Code zeigt beispielsweise, wie die zweite Zeile beim Importieren der CSV-Datei ignoriert wird:<\/span><\/p>\n Und der folgende Code zeigt, wie man die zweite und<\/em> dritte Zeile beim Importieren der CSV-Datei ignoriert:<\/span><\/p>\n Manchmal haben Sie m\u00f6glicherweise eine CSV-Datei mit einem anderen Trennzeichen als einem Komma.<\/span><\/p>\n Angenommen, unsere CSV-Datei hat einen Unterstrich als Trennzeichen:<\/span><\/p>\n Um diese CSV-Datei in Pandas einzulesen, k\u00f6nnen wir das Argument sep<\/strong> verwenden, um das Trennzeichen anzugeben, das beim Lesen der Datei verwendet werden soll:<\/span><\/p>\n In den folgenden Tutorials wird erl\u00e4utert, wie Sie andere h\u00e4ufige Panda-Aufgaben ausf\u00fchren:<\/span><\/p>\n So lesen Sie eine Textdatei mit Pandas<\/a> CSV-Dateien (durch Kommas getrennte Werte) sind eine der gebr\u00e4uchlichsten Methoden zum Speichern von Daten. Gl\u00fccklicherweise k\u00f6nnen Sie mit der Funktion pandas read_csv() ganz einfach CSV-Dateien in Python in fast jedem gew\u00fcnschten Format lesen. In diesem Tutorial werden verschiedene M\u00f6glichkeiten zum Lesen von CSV-Dateien in Python mithilfe der folgenden CSV-Datei mit dem Namen \u201edata.csv\u201c erl\u00e4utert: playerID,team,points […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n playerID,team,points\n1,Lakers,26\n2,Mavs,19\n3,Bucks,24\n4,Spurs,22<\/strong><\/pre>\n
Beispiel 1: CSV-Datei in den Pandas DataFrame einlesen<\/strong><\/span><\/h2>\n
#import CSV file as DataFrame<\/span>\ndf = pd. read_csv<\/span> ('data.csv')<\/strong><\/span>\n\n#view DataFrame<\/span>\ndf\n\n playerID team points\n0 1 Lakers 26\n1 2 Mavs 19\n2 3 Bucks 24\n3 4 Spurs 22<\/strong><\/span><\/pre>\n Beispiel 2: Bestimmte Spalten aus einer CSV-Datei lesen<\/strong><\/span><\/h2>\n
#import only specific columns from CSV file<\/span>\ndf = pd. read_csv<\/span> ('data.csv', usecols=[' playerID<\/span> ',' points<\/span> '])<\/strong><\/span>\n\n#view DataFrame<\/span>\ndf\n\n\tplayerID points\n0 1 26\n1 2 19\n2 3 24\n3 4 22<\/strong><\/span><\/pre>\n #import only specific columns from CSV file<\/span>\ndf = pd. read_csv<\/span> (' data.csv<\/span> ', usecols=[ 0,1<\/span> ])<\/strong><\/span>\n\n#view DataFrame<\/span>\ndf\n\n playerID team\n0 1 Lakers\n1 2 Mavs\n2 3 Bucks\n3 4 Spurs<\/strong><\/span><\/pre>\n Beispiel 3: Geben Sie beim Importieren einer CSV-Datei die Kopfzeile an<\/strong><\/span><\/h2>\n
random,data,values\nplayerID,team,points\n1,Lakers,26\n2,Mavs,19\n3,Bucks,24\n4,Spurs,22<\/strong><\/span><\/pre>\n #import from CSV file and specify that header starts on second row<\/span>\ndf = pd. read_csv<\/span> ('data.csv', header= 1<\/span> )<\/strong><\/span>\n\n#view DataFrame<\/span>\ndf\n\n playerID team points\n0 1 Lakers 26\n1 2 Mavs 19\n2 3 Bucks 24\n3 4 Spurs 22<\/strong><\/span><\/pre>\n Beispiel 4: Beim Importieren einer CSV-Datei Zeilen \u00fcberspringen<\/strong><\/span><\/h2>\n
#import from CSV file and skip second row<\/span>\ndf = pd. read_csv<\/span> ('data.csv', skiprows=[ 1 ]<\/span><\/span> )<\/span><\/strong><\/span>\n\n#view DataFrame<\/span>\ndf\n\n playerID team points\n0 2 Mavs 19\n1 3 Bucks 24\n2 4 Spurs 22<\/strong><\/span><\/pre>\n #import from CSV file and skip second and third rows<\/span>\ndf = pd. read_csv<\/span> ('data.csv', skiprows=[ 1,2 ]<\/span><\/span> )<\/span><\/strong><\/span>\n\n#view DataFrame<\/span>\ndf\n\n playerID team points\n1 3 Bucks 24\n2 4 Spurs 22<\/strong><\/span><\/pre>\n Beispiel 5: CSV-Dateien mit einem benutzerdefinierten Trennzeichen lesen<\/strong><\/span><\/h2>\n
playerID_team_points\n1_Lakers_26\n2_Mavs_19\n3_Bucks_24\n4_Spurs_22\n<\/strong><\/span><\/pre>\n #import from CSV file and specify delimiter to use<\/span>\ndf = pd. read_csv<\/span> ('data.csv', sep=' _<\/span> ')<\/strong><\/span>\n\n#view DataFrame<\/span>\ndf\n\n\tplayerID team points\n0 1 Lakers 26\n1 2 Mavs 19\n2 3 Bucks 24\n3 4 Spurs 22<\/strong><\/span><\/pre>\n Zus\u00e4tzliche Ressourcen<\/span><\/strong><\/span><\/h2>\n
So lesen Sie Excel-Dateien mit Pandas<\/a>
So lesen Sie TSV-Dateien mit Pandas<\/a>
So lesen Sie HTML-Tabellen mit Pandas<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"