<\/p>\n
Pliki CSV (warto\u015bci rozdzielane przecinkami) to jeden z najpopularniejszych sposob\u00f3w przechowywania danych.<\/span><\/p>\n Na szcz\u0119\u015bcie funkcja pandas read_csv()<\/a> umo\u017cliwia \u0142atwe odczytywanie plik\u00f3w CSV w Pythonie w niemal dowolnym formacie.<\/span><\/p>\n W tym samouczku wyja\u015bniono kilka sposob\u00f3w odczytywania plik\u00f3w CSV w Pythonie przy u\u017cyciu nast\u0119puj\u0105cego pliku CSV o nazwie \u201edata.csv\u201d<\/strong> :<\/span><\/p>\n Poni\u017cszy kod pokazuje, jak wczyta\u0107 plik CSV do ramki DataFrame pandy:<\/span><\/p>\n Poni\u017cszy kod pokazuje, jak wczyta\u0107 tylko kolumny oznaczone \u201eplayerID\u201d i \u201epoints\u201d z pliku CSV do ramki DataFrame pandy:<\/span><\/p>\n Mo\u017cesz tak\u017ce okre\u015bli\u0107 indeksy kolumn do wczytania w ramce DataFrame pandy:<\/span><\/p>\n W niekt\u00f3rych przypadkach wiersz nag\u0142\u00f3wka mo\u017ce nie by\u0107 pierwszym wierszem w pliku CSV.<\/span><\/p>\n Rozwa\u017cmy na przyk\u0142ad nast\u0119puj\u0105cy plik CSV, w kt\u00f3rym wiersz nag\u0142\u00f3wka faktycznie pojawia si\u0119 w drugim wierszu:<\/span><\/p>\n Aby odczyta\u0107 ten plik CSV do ramki DataFrame pandy, mo\u017cemy okre\u015bli\u0107 header=1<\/strong> w nast\u0119puj\u0105cy spos\u00f3b:<\/span><\/p>\n Mo\u017cesz tak\u017ce \u0142atwo pomin\u0105\u0107 wiersze podczas importowania pliku CSV, u\u017cywaj\u0105c argumentu skiprows<\/strong> .<\/span><\/p>\n Na przyk\u0142ad poni\u017cszy kod pokazuje, jak zignorowa\u0107 drug\u0105 lini\u0119 podczas importowania pliku CSV:<\/span><\/p>\n Poni\u017cszy kod pokazuje, jak zignorowa\u0107 drug\u0105 i<\/em> trzeci\u0105 lini\u0119 podczas importowania pliku CSV:<\/span><\/p>\n Czasami mo\u017cesz mie\u0107 plik CSV z ogranicznikiem innym ni\u017c przecinek.<\/span><\/p>\n Za\u0142\u00f3\u017cmy na przyk\u0142ad, \u017ce nasz plik CSV zawiera podkre\u015blenie jako ogranicznik:<\/span><\/p>\n Aby wczyta\u0107 ten plik CSV do pand, mo\u017cemy u\u017cy\u0107 argumentu sep<\/strong> , aby okre\u015bli\u0107 ogranicznik, kt\u00f3ry b\u0119dzie u\u017cywany podczas odczytu pliku:<\/span><\/p>\n Poni\u017csze samouczki wyja\u015bniaj\u0105, jak wykonywa\u0107 inne typowe zadania zwi\u0105zane z pand\u0105:<\/span><\/p>\n Jak odczyta\u0107 plik tekstowy za pomoc\u0105 Pand<\/a> Pliki CSV (warto\u015bci rozdzielane przecinkami) to jeden z najpopularniejszych sposob\u00f3w przechowywania danych. Na szcz\u0119\u015bcie funkcja pandas read_csv() umo\u017cliwia \u0142atwe odczytywanie plik\u00f3w CSV w Pythonie w niemal dowolnym formacie. W tym samouczku wyja\u015bniono kilka sposob\u00f3w odczytywania plik\u00f3w CSV w Pythonie przy u\u017cyciu nast\u0119puj\u0105cego pliku CSV o nazwie \u201edata.csv\u201d : playerID,team,points 1,Lakers,26 2,Mavs,19 3,Bucks,24 4,Spurs,22 Przyk\u0142ad 1: […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-968","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"yoast_head":"\n playerID,team,points\n1,Lakers,26\n2,Mavs,19\n3,Bucks,24\n4,Spurs,22<\/strong><\/pre>\n
Przyk\u0142ad 1: Wczytaj plik CSV do ramki DataFrame pandy<\/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 Przyk\u0142ad 2: Odczytaj okre\u015blone kolumny z pliku CSV<\/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 Przyk\u0142ad 3: Okre\u015bl wiersz nag\u0142\u00f3wka podczas importowania pliku CSV<\/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 Przyk\u0142ad 4: Pomi\u0144 wiersze podczas importowania pliku CSV<\/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 Przyk\u0142ad 5: Czytaj pliki CSV z niestandardowym ogranicznikiem<\/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 Dodatkowe zasoby<\/span><\/strong><\/span><\/h2>\n
Jak czyta\u0107 pliki Excel za pomoc\u0105 Pand<\/a>
Jak czyta\u0107 pliki TSV za pomoc\u0105 Pand<\/a>
Jak czyta\u0107 tabele HTML za pomoc\u0105 Pand<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"