快捷導(dǎo)航

使用pandas讀取文件的實現(xiàn)

更新時間：2019年07月31日 14:19:00 作者：修煉之路

這篇文章主要介紹了使用pandas讀取文件的實現(xiàn)，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

pandas可以將讀取到的表格型數(shù)據(jù)（文件不一定要是表格）轉(zhuǎn)成DataFrame類型的數(shù)據(jù)結(jié)構(gòu)，然后我們可以通過操作DataFrame進行數(shù)據(jù)分析，數(shù)據(jù)預(yù)處理以及行和列的操作等。下面介紹一些常用讀取文件的方法

1、read_csv函數(shù)

功能：從文件、URL、文件新對象中加載帶有分隔符的數(shù)據(jù)，默認(rèn)分隔符是逗號。

data.txt

a,b,c,d,name
1,2,3,4,python
5,6,7,8,java
9,10,11,12,c++

  data = pd.read_csv("data.txt")
  print(data)
  '''
    a  b  c  d  name
  0 1  2  3  4 python
  1 5  6  7  8  java
  2 9 10 11 12   c++
  '''

2、read_table函數(shù)

功能：從文件、URL、文件型對象中加載帶分隔符的數(shù)據(jù)，默認(rèn)分隔符為制表符("\t")。
data.txt的內(nèi)容還是不變，我們可以通過指定read_table的sep參數(shù)來修改默認(rèn)的分隔符。

  data = pd.read_table("data.txt",sep=",")
  print(data)
  '''
    a  b  c  d  name
  0 1  2  3  4 python
  1 5  6  7  8  java
  2 9 10 11 12   c++
  '''

3、讀取沒有標(biāo)題的文件

data.txt

1,2,3,4,python
5,6,7,8,java
9,10,11,12,c++

  data = pd.read_csv("data.txt")
  #默認(rèn)將第一行作為標(biāo)題
  print(data)
  '''
    1  2  3  4 python
  0 5  6  7  8  java
  1 9 10 11 12  c++
  '''
  #設(shè)置header參數(shù)，讀取文件的時候沒有標(biāo)題
  data1 = pd.read_csv("data.txt",header=None)
  print(data1)
  '''
    0  1  2  3    4
  0 1  2  3  4 python
  1 5  6  7  8  java
  2 9 10 11 12   c++
  '''
  #設(shè)置names參數(shù)，來設(shè)置文件的標(biāo)題
  data2 = pd.read_csv("data.txt",names=["a","b","c","d","name"])
  print(data2)
  '''
    a  b  c  d  name
  0 1  2  3  4 python
  1 5  6  7  8  java
  2 9 10 11 12   c++
  '''

4、讀取文件設(shè)置列索引

  #設(shè)置names參數(shù)，來設(shè)置文件的標(biāo)題,設(shè)置index_col參數(shù)來設(shè)置列索引
  data2 = pd.read_csv("data.txt",names=["a","b","c","d","name"],index_col="name")
  print(data2)
  '''
      a  b  c  d
  name
  python 1  2  3  4
  java  5  6  7  8
  c++   9 10 11 12
  '''

如果不設(shè)置列索引，默認(rèn)會使用從0開始的整數(shù)索引。當(dāng)對表格的某一行或列進行操作之后，在保存成文件的時候你會發(fā)現(xiàn)總是會多一列從0開始的列，如果設(shè)置index_col參數(shù)來設(shè)置列索引，就不會出現(xiàn)這種問題了。

a、指定多個列為列索引產(chǎn)生一個層次化索引

一個值由兩個列索引(key1和kye2)和一個行索引(value1或value2)來決定，可以將其理解為一個三維數(shù)據(jù)，三個點來構(gòu)成一個坐標(biāo)位置。

data.txt

key1,key2,value1,value2
a,a,1,2
a,b,3,4
b,c,5,6
b,d,7,8
c,e,9,10
c,f,11,12

 data = pd.read_csv("data.txt",index_col=["key1","key2"])
  print(data)
  '''
        value1 value2
  key1 key2
  a  a     1    2
     b     3    4
  b  c     5    6
     d     7    8
  c  e     9   10
     f     11   12
  '''

5、對于不規(guī)則分隔符，使用正則表達式讀取文件

文件中的分隔符采用的是空格，那么我們只需要設(shè)置sep=" "來讀取文件就可以了。當(dāng)分隔符并不是單個的空格，也許有的是一個空格有的是多個空格時，如果這個時候還是采用sep=" "來讀取文件，也許你就會得到一個很奇怪的數(shù)據(jù)，因為它會將空格也做為數(shù)據(jù)。

data.txt

name a  b c  d
python  1 2 3   4
java 5 6 7 8
c++ 9  10  11 12

  data = pd.read_csv("data.txt",sep=" ")
  print(data)
  '''
      name  a Unnamed: 2 Unnamed: 3  b Unnamed: 5  c Unnamed: 7 \
  python  NaN NaN     1.0     NaN  2     3.0 NaN     NaN  
  java   5.0 6.0     NaN     7.0  8     NaN NaN     NaN  
  c++   NaN 9.0     NaN     NaN 10     NaN NaN    11.0  
  
      Unnamed: 8 Unnamed: 9  d 
  python     NaN     NaN 4.0 
  java      NaN     NaN NaN 
  c++      NaN    12.0 NaN 
  '''

使用正則表達式進行分割就可以避免上面問題的發(fā)生

  data = pd.read_csv("data.txt",sep="\s+")
  print(data)
  '''
     name a  b  c  d
  0 python 1  2  3  4
  1  java 5  6  7  8
  2   c++ 9 10 11 12
  '''

6、跳行讀取文件

有的時候，你會遇到表格中的某些行數(shù)據(jù)你并不需要?？梢酝ㄟ^skiprows參數(shù)來跳過這些行。

data.txt

#data.txt
name,a,b,c,d
python,1,2,3,4
#hello
java,5,6,7,8
#word
c++,9,10,11,12

  #通過skiprows參數(shù)來設(shè)置跳過行,從0開始
  data = pd.read_csv("data.txt",skiprows=[0,3,5])
  print(data)
  '''
     name a  b  c  d
  0 python 1  2  3  4
  1  java 5  6  7  8
  2   c++ 9 10 11 12
  '''

7、讀取含有缺失值的文件

使用pandas在讀取文件的時候，pandas會默認(rèn)將NA、-1.#IND、NULL等當(dāng)作是缺失值，pandas默認(rèn)使用NaN進行代替。

data.txt

name,a,b,c,d
python,1,NA,3,4
java,5,6,7,NULL
c++,-1.#IND,10,,12

  data = pd.read_csv("data.txt")
  print(data)
  '''
     name  a   b  c   d
  0 python 1.0  NaN 3.0  4.0
  1  java 5.0  6.0 7.0  NaN
  2   c++ NaN 10.0 NaN 12.0
  '''

也許有的時候也許pandas默認(rèn)被當(dāng)作的缺失值還不能滿足你的要求，我們可以通過設(shè)置na_values，將指定的值替換成為NaN值

  data1 = pd.read_csv("data.txt",na_values=["java","c++"])
  print(data1)
  '''
     name  a   b  c   d
  0 python 1.0  NaN 3.0  4.0
  1   NaN 5.0  6.0 7.0  NaN
  2   NaN NaN 10.0 NaN 12.0
  '''

也許有時候你還會遇到，你想將某個值替換成為NaN,但是可能有多個列都包含了這個值，而我們卻不想替換所有的列，我們可以通過一個字典的形式來設(shè)置na_values參數(shù)，字典的鍵就是列索引，值就是你要替換的值。

data.txt

name,a,b,c,d
python,1,NA,3,4
java,5,6,python,NULL
c++,-1.#IND,10,,c++

  #將python和c++都用NaN進行替代，將所有的python和c++都替換成了NaN
  data1 = pd.read_csv("data.txt",na_values=["python","c++"])
  print(data1)
  '''
    name  a   b  c  d
  0  NaN 1.0  NaN 3.0 4.0
  1 java 5.0  6.0 NaN NaN
  2  NaN NaN 10.0 NaN NaN
  '''

只將第一列的python和c++替換為NaN

  #將python和c++都用NaN進行替代
  dic = {"name":["python","c++"]}
  data1 = pd.read_csv("data.txt",na_values=dic)
  print(data1)
  '''
    name  a   b    c  d
  0  NaN 1.0  NaN    3  4
  1 java 5.0  6.0 python NaN
  2  NaN NaN 10.0   NaN c++
  '''

8、read_csv和read_tabel的參數(shù)介紹

read_csv和read_table函數(shù)有很多的參數(shù)，下面對一些重點參數(shù)進行介紹。

參數(shù)：

path：表示文件系統(tǒng)位置、URL、文件型對象的字符串。

sep或delimiter：用于對行中各字段進行拆分的字符序列或正則表達式。

header：用作列名的行號。默認(rèn)為0（第一行），如果文件沒有標(biāo)題行就將header參數(shù)設(shè)置為None。

index_col：用作行索引的列編號或列名?？梢允菃蝹€名稱/數(shù)字或有多個名稱/數(shù)字組成的列表（層次化索引）。

names：用于結(jié)果的列名列表，結(jié)合header=None，可以通過names來設(shè)置標(biāo)題行。

skiprows：需要忽略的行數(shù)（從0開始），設(shè)置的行數(shù)將不會進行讀取。

na_values：設(shè)置需要將值替換成NA的值。

comment：用于注釋信息從行尾拆分出去的字符（一個或多個）。

parse_dates：嘗試將數(shù)據(jù)解析為日期，默認(rèn)為False。如果為True，則嘗試解析所有列。除此之外，參數(shù)可以指定需要解析的一組列號或列名。如果列表的元素為列表或元組，就會將多個列組合到一起再進行日期解析工作。