快捷導(dǎo)航

Python??Pandas教程之使用?pandas.read_csv()?讀取?csv

更新時(shí)間：2022年09月16日 09:46:43 作者：海擁

這篇文章主要介紹了Python Pandas教程之使用pandas.read_csv()讀取csv，文章通過(guò)圍繞主題展開詳細(xì)的內(nèi)容介紹，具有一定的參考價(jià)值，需要的小伙伴可以參考一下

前言：

Python 是一種用于進(jìn)行數(shù)據(jù)分析的出色語(yǔ)言，主要是因?yàn)橐詳?shù)據(jù)為中心的 Python 包的奇妙生態(tài)系統(tǒng)。Pandas 就是其中之一，它使導(dǎo)入和分析數(shù)據(jù)變得更加容易。

大多數(shù)用于分析的數(shù)據(jù)以表格格式的形式提供，例如 Excel 和逗號(hào)分隔文件 (CSV)。要訪問(wèn) csv 文件中的數(shù)據(jù)，我們需要一個(gè)函數(shù) read_csv() 以數(shù)據(jù)框的形式檢索數(shù)據(jù)。在使用這個(gè)功能之前，我們必須導(dǎo)入 pandas 庫(kù)。

導(dǎo)入 Pandas 庫(kù)：

import pandas as pd

read_csv() 函數(shù)用于從 csv 文件中檢索數(shù)據(jù)。read_csv() 方法的語(yǔ)法是：

pd.read_csv(filepath_or_buffer, sep=', ', delimiter=None, header='infer', names=None, index_col=None, 
             usecols=None, squeeze=False, prefix=None, mangle_dupe_cols=True, 
             dtype=None, engine=None, converters=None, true_values=None, false_values=None, 
             skipinitialspace=False, skiprows=None, nrows=None, na_values=None, keep_default_na=True, 
             na_filter=True, verbose=False, skip_blank_lines=True, parse_dates=False, infer_datetime_format=False, 
             keep_date_col=False, date_parser=None, dayfirst=False, iterator=False, chunksize=None, compression='infer', 
             thousands=None, decimal=b'.', lineterminator=None, quotechar='"', quoting=0, escapechar=None, comment=None, 
             encoding=None, dialect=None, tupleize_cols=None, error_bad_lines=True, warn_bad_lines=True, skipfooter=0, 
             doublequote=True, delim_whitespace=False, low_memory=True, memory_map=False, float_precision=None)?

代碼 #1 從 csv 文件中檢索數(shù)據(jù)

# Import pandas
import pandas as pd

# 讀取csv文件
pd.read_csv("filename.csv")

這是帶有默認(rèn)值的參數(shù)列表。并非所有這些都很重要，但記住這些實(shí)際上可以節(jié)省自己執(zhí)行某些功能的時(shí)間。通過(guò)在 jupyter notebook 中按 shift + tab 可以查看任何函數(shù)的參數(shù)。

下面給出了有用的和它們的用法：

filepath_or_buffer：這是要使用此函數(shù)檢索的文件的位置。它接受文件的任何字符串路徑或 URL。
sep：表示分隔符，默認(rèn)為 ', '，如 csv（逗號(hào)分隔值）。
header：它接受 int、int 列表、行號(hào)用作列名和數(shù)據(jù)的開頭。如果沒(méi)有傳遞名稱，即header=None，那么它將顯示第一列為0，第二列顯示為1，以此類推。
usecols：用于僅從 csv 文件中檢索選定的列。
nrows：表示要從數(shù)據(jù)集中顯示的行數(shù)。
index_col：如果沒(méi)有，則沒(méi)有索引號(hào)與記錄一起顯示。
擠壓：如果為真且僅傳遞一列，則返回熊貓系列。
skiprows：跳過(guò)新數(shù)據(jù)框中傳遞的行。
名稱：它允許檢索具有新名稱的列。

范圍	Use
filepath_or_buffer	文件的 URL 或目錄位置
sep	代表分隔符，默認(rèn)為 ', ' 如 csv（逗號(hào)分隔值）
index_col	將傳遞的列作為索引而不是 0、1、2、3…r
header	將傳遞的 row/s[int/int list] 作為標(biāo)題
use_cols	僅使用傳遞的 col[string list] 來(lái)制作數(shù)據(jù)框
squeeze	如果為 true 且僅傳遞一列，則返回 pandas 系列
skiprows	跳過(guò)新數(shù)據(jù)框中傳遞的行

Code #2 :

# 導(dǎo)入 Pandas 庫(kù)
import pandas as pd

pd.read_csv(filepath_or_buffer = "pokemon.csv")

# 使傳遞的行標(biāo)題
pd.read_csv("pokemon.csv", header =[1, 2])

# 將傳遞的列作為索引而不是 0、1、2、3....
pd.read_csv("pokemon.csv", index_col ='Type')

# 僅將傳遞的 cols 用于數(shù)據(jù)框
pd.read_csv("pokemon.csv", usecols =["Type"])

# 如果只有一列，則返回熊貓系列
pd.read_csv("pokemon.csv", usecols =["Type"], squeeze = True)
							
# 跳過(guò)新系列中傳遞的行
pd.read_csv("pokemon.csv", skiprows = [1, 2, 3, 4])

到此這篇關(guān)于Python Pandas教程之使用 pandas.read_csv() 讀取 csv的文章就介紹到這了,更多相關(guān)Python pandas.read_csv() 讀取 csv內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: