<\/p>\n
CSV-bestanden (door komma’s gescheiden waarden) zijn een van de meest gebruikelijke manieren om gegevens op te slaan.<\/span><\/p>\n Gelukkig kun je met de pandas read_csv()-<\/a> functie eenvoudig CSV-bestanden in Python lezen in vrijwel elk gewenst formaat.<\/span><\/p>\n In deze tutorial worden verschillende manieren uitgelegd om CSV-bestanden in Python te lezen met behulp van het volgende CSV-bestand met de naam „data.csv“<\/strong> :<\/span><\/p>\n De volgende code laat zien hoe u het CSV-bestand in een Panda DataFrame leest:<\/span><\/p>\n De volgende code laat zien hoe u alleen de kolommen met de naam ‚playerID‘ en ‚points‘ uit het CSV-bestand in een pandas DataFrame kunt lezen:<\/span><\/p>\n U kunt ook kolomindexen opgeven die u in een Panda DataFrame wilt inlezen:<\/span><\/p>\n In sommige gevallen is de koprij mogelijk niet de eerste rij in een CSV-bestand.<\/span><\/p>\n Beschouw bijvoorbeeld het volgende CSV-bestand waarin de koprij daadwerkelijk in de tweede rij verschijnt:<\/span><\/p>\n Om dit CSV-bestand in een Panda DataFrame te lezen, kunnen we header=1<\/strong> als volgt specificeren:<\/span><\/p>\n U kunt ook eenvoudig rijen overslaan bij het importeren van een CSV-bestand door het skiprows-<\/strong> argument te gebruiken.<\/span><\/p>\n De volgende code laat bijvoorbeeld zien hoe u de tweede regel negeert bij het importeren van het CSV-bestand:<\/span><\/p>\n En de volgende code laat zien hoe u de tweede en<\/em> derde regel negeert bij het importeren van het CSV-bestand:<\/span><\/p>\n Soms hebt u mogelijk een CSV-bestand met een ander scheidingsteken dan een komma.<\/span><\/p>\n Stel bijvoorbeeld dat ons CSV-bestand een onderstrepingsteken als scheidingsteken heeft:<\/span><\/p>\n Om dit CSV-bestand in panda’s te lezen, kunnen we het sep-<\/strong> argument gebruiken om het scheidingsteken op te geven dat moet worden gebruikt bij het lezen van het bestand:<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende panda-taken kunt uitvoeren:<\/span><\/p>\n Hoe een tekstbestand te lezen met Panda’s<\/a> CSV-bestanden (door komma’s gescheiden waarden) zijn een van de meest gebruikelijke manieren om gegevens op te slaan. Gelukkig kun je met de pandas read_csv()- functie eenvoudig CSV-bestanden in Python lezen in vrijwel elk gewenst formaat. In deze tutorial worden verschillende manieren uitgelegd om CSV-bestanden in Python te lezen met behulp van het volgende CSV-bestand met […]<\/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":[],"class_list":["post-970","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n playerID,team,points\n1,Lakers,26\n2,Mavs,19\n3,Bucks,24\n4,Spurs,22<\/strong><\/pre>\n
Voorbeeld 1: Lees het CSV-bestand in het Panda’s DataFrame<\/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 Voorbeeld 2: Specifieke kolommen uit een CSV-bestand lezen<\/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 Voorbeeld 3: Geef de koprij op bij het importeren van een CSV-bestand<\/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 Voorbeeld 4: Rijen overslaan bij het importeren van een CSV-bestand<\/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 Voorbeeld 5: CSV-bestanden lezen met een aangepast scheidingsteken<\/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 Aanvullende bronnen<\/span><\/strong><\/span><\/h2>\n
Excel-bestanden lezen met Panda’s<\/a>
TSV-bestanden lezen met Panda’s<\/a>
HTML-tabellen lezen met Panda’s<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"