欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

如何利用python創(chuàng)建、讀取和修改CSV數(shù)據(jù)文件

 更新時間:2022年05月11日 14:30:37   作者:Johnny?An  
csv文件與txt文件類似,區(qū)別點就是在csv文件中,字段間使用“,”或“|”隔開,達到類似與表格的效果,下面這篇文章主要給大家介紹了關于如何利用python創(chuàng)建、讀取和修改CSV數(shù)據(jù)文件的相關資料,需要的朋友可以參考下

簡單展示如何利用python中的pandas庫創(chuàng)建、讀取、修改CSV數(shù)據(jù)文件

1 寫入CSV文件

import numpy as np
import pandas as pd

# -----create an initial numpy array----- #
data = np.zeros((8,4))
# print(data.dtype)
# print(type(data))
# print(data.shape)

# -----from array to dataframe----- #
df = pd.DataFrame(data)
# print(type(df))
# print(df.shape)
# print(df)

# -----edit columns and index----- #
df.columns = ['A', 'B', 'C', 'D']
df.index = range(data.shape[0])
df.info()

# -----save dataframe as csv----- #
csv_save_path='./data_.csv'
df.to_csv(csv_save_path, sep=',', index=False, header=True)

# -----check----- #
df = pd.read_csv(csv_save_path)
print('-' * 25)
print(df)

輸出如下:

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 8 entries, 0 to 7
Data columns (total 4 columns):
A    8 non-null float64
B    8 non-null float64
C    8 non-null float64
D    8 non-null float64
dtypes: float64(4)
memory usage: 336.0 bytes
-------------------------
     A    B    C    D
0  0.0  0.0  0.0  0.0
1  0.0  0.0  0.0  0.0
2  0.0  0.0  0.0  0.0
3  0.0  0.0  0.0  0.0
4  0.0  0.0  0.0  0.0
5  0.0  0.0  0.0  0.0
6  0.0  0.0  0.0  0.0
7  0.0  0.0  0.0  0.0

2 讀取CSV文件

import pandas as pd
import numpy as np

csv_path = './data_.csv'

# -----saved as dataframe----- #
data = pd.read_csv(csv_path)
# ---if index is given in csv file, you can use next line of code to replace the previous one---
# data = pd.read_csv(csv_path, index_col=0)
print(type(data))
print(data)
print(data.shape)

# -----saved as array----- #
data_ = np.array(data)
# data_ = data.values
print(type(data_))
print(data_)
print(data_.shape)

輸出如下:

<class 'pandas.core.frame.DataFrame'>
     A    B    C    D
0  0.0  0.0  0.0  0.0
1  0.0  0.0  0.0  0.0
2  0.0  0.0  0.0  0.0
3  0.0  0.0  0.0  0.0
4  0.0  0.0  0.0  0.0
5  0.0  0.0  0.0  0.0
6  0.0  0.0  0.0  0.0
7  0.0  0.0  0.0  0.0
(8, 4)
<class 'numpy.ndarray'>
[[0. 0. 0. 0.]
 [0. 0. 0. 0.]
 [0. 0. 0. 0.]
 [0. 0. 0. 0.]
 [0. 0. 0. 0.]
 [0. 0. 0. 0.]
 [0. 0. 0. 0.]
 [0. 0. 0. 0.]]
(8, 4)

3 修改CSV文件

import pandas as pd
import numpy as np

csv_path = './data_.csv'
df = pd.read_csv(csv_path)

# -----edit columns and index----- #
df.columns = ['X1', 'X2', 'X3', 'Y']
df.index = range(df.shape[0])
# df.index = [i+1 for i in range(df.shape[0])]

# -----columns operations----- #
Y = df['Y']
df['X4'] = [4 for i in range(df.shape[0])]        # add
df['X5'] = [5 for i in range(df.shape[0])]
# print(df)
df.drop(columns='Y', inplace=True)                # delete
# print(df)
df['X1'] = [i+1 for i in range(df.shape[0])]      # correct --(1)
# df.iloc[:df.shape[0], 0] = [i+1 for i in range(df.shape[0])]
                                                  # correct --(2)
# print(df)
df['Y'] = Y_temp  
# print(df)

# -----rows operations----- #
df.loc[df.shape[0]] = [i+2 for i in range(6)]     # add
# print(df)
df.drop(index=4, inplace=True)                    # delete
# print(df)
df.loc[0] = [i+1 for i in range(df.shape[1])]     # correct
# print(df)

# -----edit index again after rows operations!!!----- #
df.index = range(df.shape[0])

# -----save dataframe as csv----- #
csv_save_path='./data_copy.csv'
df.to_csv(csv_save_path, sep=',', index=False, header=True)

print(df)

輸出如下:

    X1   X2   X3  X4  X5    Y
0  1.0  2.0  3.0   4   5  6.0
1  2.0  0.0  0.0   4   5  0.0
2  3.0  0.0  0.0   4   5  0.0
3  4.0  0.0  0.0   4   5  0.0
4  6.0  0.0  0.0   4   5  0.0
5  7.0  0.0  0.0   4   5  0.0
6  8.0  0.0  0.0   4   5  0.0
7  2.0  3.0  4.0   5   6  7.0

參考資料

csv文件的讀寫與修改還可以通過python的csv庫來實現(xiàn)

python中csv文件的創(chuàng)建、讀取、修改等操作總結(jié)

總結(jié)

到此這篇關于如何利用python創(chuàng)建、讀取和修改CSV數(shù)據(jù)文件的文章就介紹到這了,更多相關python創(chuàng)建讀取修改CSV內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家!

相關文章

  • Python?nonlocal關鍵字?與?global?關鍵字解析

    Python?nonlocal關鍵字?與?global?關鍵字解析

    這篇文章主要介紹了Python?nonlocal關鍵字?與?global?關鍵字解析,nonlocal關鍵字用來在函數(shù)或其他作用域中使用外層變量,global關鍵字用來在函數(shù)或其他局部作用域中使用全局變量,更多香瓜內(nèi)容需要的小伙伴可以參考一下
    2022-03-03
  • python實現(xiàn)簡單名片管理系統(tǒng)

    python實現(xiàn)簡單名片管理系統(tǒng)

    這篇文章主要為大家詳細介紹了python實現(xiàn)簡單名片管理系統(tǒng),具有一定的參考價值,感興趣的小伙伴們可以參考一下
    2018-11-11
  • python中的位置參數(shù)和關鍵字參數(shù)詳解

    python中的位置參數(shù)和關鍵字參數(shù)詳解

    位置參數(shù)和關鍵字參數(shù)是 Python 中的兩種不同類型的函數(shù)參數(shù)傳遞方式,位置參數(shù)依賴于參數(shù)的位置順序,而關鍵字參數(shù)通過參數(shù)名傳遞,不受位置影響,本文通過代碼示例給大家詳細介紹了python中的位置參數(shù)和關鍵字參數(shù),需要的朋友可以參考下
    2023-12-12
  • Tensorflow實現(xiàn)卷積神經(jīng)網(wǎng)絡用于人臉關鍵點識別

    Tensorflow實現(xiàn)卷積神經(jīng)網(wǎng)絡用于人臉關鍵點識別

    這篇文章主要介紹了Tensorflow實現(xiàn)卷積神經(jīng)網(wǎng)絡用于人臉關鍵點識別,小編覺得挺不錯的,現(xiàn)在分享給大家,也給大家做個參考。一起跟隨小編過來看看吧
    2018-03-03
  • pytorch VGG11識別cifar10數(shù)據(jù)集(訓練+預測單張輸入圖片操作)

    pytorch VGG11識別cifar10數(shù)據(jù)集(訓練+預測單張輸入圖片操作)

    這篇文章主要介紹了pytorch VGG11識別cifar10數(shù)據(jù)集(訓練+預測單張輸入圖片操作),具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2020-06-06
  • 解決Python3 抓取微信賬單信息問題

    解決Python3 抓取微信賬單信息問題

    這篇文章主要介紹了Python3 抓取微信賬單信息,本文通過實例代碼給大家介紹的非常詳細,具有一定的參考借鑒價值,需要的朋友可以參考下
    2019-07-07
  • python的類方法和靜態(tài)方法

    python的類方法和靜態(tài)方法

    這篇文章主要介紹了python的類方法和靜態(tài)方法,以實例形式分析了Python中類方法和靜態(tài)方法的實現(xiàn)技巧與應用方法,需要的朋友可以參考下
    2014-12-12
  • python scipy卷積運算的實現(xiàn)方法

    python scipy卷積運算的實現(xiàn)方法

    這篇文章主要介紹了python scipy卷積運算的實現(xiàn)方法,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧
    2019-09-09
  • Python實現(xiàn)批量梯度下降法(BGD)擬合曲線

    Python實現(xiàn)批量梯度下降法(BGD)擬合曲線

    這篇文章主要介紹了Python實現(xiàn)批量梯度下降法(BGD)擬合曲線,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧
    2021-04-04
  • python?序列去重并保持原始順序操作

    python?序列去重并保持原始順序操作

    這篇文章主要介紹了python序列去重并保持原始順序操作,文章圍繞了python?序列去重的相關資料展開詳細介紹,需要的小伙伴可以參考一下,希望對你的有所幫助
    2022-03-03

最新評論