Kompletny przewodnik: jak czytać pliki csv za pomocą pand

Pliki CSV (wartości rozdzielane przecinkami) to jeden z najpopularniejszych sposobów przechowywania danych.

Na szczęście funkcja pandas read_csv() umożliwia łatwe odczytywanie plików CSV w Pythonie w niemal dowolnym formacie.

W tym samouczku wyjaśniono kilka sposobów odczytywania plików CSV w Pythonie przy użyciu następującego pliku CSV o nazwie „data.csv” :

 playerID,team,points
1,Lakers,26
2,Mavs,19
3,Bucks,24
4,Spurs,22

Przykład 1: Wczytaj plik CSV do ramki DataFrame pandy

Poniższy kod pokazuje, jak wczytać plik CSV do ramki DataFrame pandy:

 #import CSV file as DataFrame
df = pd. read_csv ('data.csv')

#view DataFrame
df

        playerID team points
0 1 Lakers 26
1 2 Mavs 19
2 3 Bucks 24
3 4 Spurs 22

Przykład 2: Odczytaj określone kolumny z pliku CSV

Poniższy kod pokazuje, jak wczytać tylko kolumny oznaczone „playerID” i „points” z pliku CSV do ramki DataFrame pandy:

 #import only specific columns from CSV file
df = pd. read_csv ('data.csv', usecols=[' playerID ',' points '])

#view DataFrame
df

	playerID points
0 1 26
1 2 19
2 3 24
3 4 22

Możesz także określić indeksy kolumn do wczytania w ramce DataFrame pandy:

 #import only specific columns from CSV file
df = pd. read_csv (' data.csv ', usecols=[ 0,1 ])

#view DataFrame
df

        playerID team
0 1 Lakers
1 2 Mavs
2 3 Bucks
3 4 Spurs

Przykład 3: Określ wiersz nagłówka podczas importowania pliku CSV

W niektórych przypadkach wiersz nagłówka może nie być pierwszym wierszem w pliku CSV.

Rozważmy na przykład następujący plik CSV, w którym wiersz nagłówka faktycznie pojawia się w drugim wierszu:

 random,data,values
playerID,team,points
1,Lakers,26
2,Mavs,19
3,Bucks,24
4,Spurs,22

Aby odczytać ten plik CSV do ramki DataFrame pandy, możemy określić header=1 w następujący sposób:

 #import from CSV file and specify that header starts on second row
df = pd. read_csv ('data.csv', header= 1 )

#view DataFrame
df

        playerID team points
0 1 Lakers 26
1 2 Mavs 19
2 3 Bucks 24
3 4 Spurs 22

Przykład 4: Pomiń wiersze podczas importowania pliku CSV

Możesz także łatwo pominąć wiersze podczas importowania pliku CSV, używając argumentu skiprows .

Na przykład poniższy kod pokazuje, jak zignorować drugą linię podczas importowania pliku CSV:

 #import from CSV file and skip second row
df = pd. read_csv ('data.csv', skiprows=[ 1 ] )

#view DataFrame
df

        playerID team points
0 2 Mavs 19
1 3 Bucks 24
2 4 Spurs 22

Poniższy kod pokazuje, jak zignorować drugą i trzecią linię podczas importowania pliku CSV:

 #import from CSV file and skip second and third rows
df = pd. read_csv ('data.csv', skiprows=[ 1,2 ] )

#view DataFrame
df

        playerID team points
1 3 Bucks 24
2 4 Spurs 22

Przykład 5: Czytaj pliki CSV z niestandardowym ogranicznikiem

Czasami możesz mieć plik CSV z ogranicznikiem innym niż przecinek.

Załóżmy na przykład, że nasz plik CSV zawiera podkreślenie jako ogranicznik:

 playerID_team_points
1_Lakers_26
2_Mavs_19
3_Bucks_24
4_Spurs_22

Aby wczytać ten plik CSV do pand, możemy użyć argumentu sep , aby określić ogranicznik, który będzie używany podczas odczytu pliku:

 #import from CSV file and specify delimiter to use
df = pd. read_csv ('data.csv', sep=' _ ')

#view DataFrame
df

	playerID team points
0 1 Lakers 26
1 2 Mavs 19
2 3 Bucks 24
3 4 Spurs 22

Dodatkowe zasoby

Poniższe samouczki wyjaśniają, jak wykonywać inne typowe zadania związane z pandą:

Jak odczytać plik tekstowy za pomocą Pand
Jak czytać pliki Excel za pomocą Pand
Jak czytać pliki TSV za pomocą Pand
Jak czytać tabele HTML za pomocą Pand