1. 使用 pandas 讀取 CSV 文件

原始數(shù)據(jù)包含了公司員工的數(shù)據(jù)：

將 CSV 文件讀入 pandas DataFrame 快速而直接：

import pandas
df = pandas.read_csv('hrdata.csv')
print(df)

就這樣簡單：僅僅三行代碼，而且其中只有一行真正有用。pandas.read_csv() 打開、分析并讀取提供的 CSV 文件，并將數(shù)據(jù)存儲在 DataFrame 中，打印 DataFrame 會產(chǎn)生以下輸出：

以下是值得注意的幾點：

首先，pandas 識別到 CSV 的第一行包含列名，并自動使用它們。
但是，pandas 也在 DataFrame 中使用從零開始的整數(shù)索引，那是因為沒有告訴它我們的索引應該是什么。
此外，如果查看列的數(shù)據(jù)類型，會看到 pandas 已將 Salary and Sick Days 剩余列正確轉(zhuǎn)換為數(shù)字，但 Hire Date 列仍然是 String，這在交互模式下很容易確認：

讓我們一次解決這些問題，要使用其他列作為 DataFrame 的索引，添加 index_col 可選參數(shù)：

df2 = pandas.read_csv('hrdata.csv', index_col='Name')
print(df2)

現(xiàn)在，Name 字段就是我們的 DataFrame 索引：

接下來，讓我們修復「Hire Date」字段的數(shù)據(jù)類型?？梢允褂?parse_dates 可選參數(shù)強制pandas 將數(shù)據(jù)作為日期讀取，該參數(shù)定義為要作為日期處理的列名列表：

df3 = pandas.read_csv('hrdata.csv', index_col='Name', parse_dates=['Hire Date'])
print(df3)

注意輸出的差異：

現(xiàn)在日期格式正確，可以在交互模式下輕松確認：

如果 CSV 文件的第一行中沒有列名，則可以使用 names 可選參數(shù)來提供列名的列表。 如果要覆蓋第一行中提供的列名，也可以使用此選項。 在這種情況下，還必須使用header = 0可選參數(shù)告訴 pandas.read_csv()忽略現(xiàn)有列名：

df4 = pandas.read_csv('hrdata.csv', 
            index_col='Employee', 
            parse_dates=['Hired'], 
            header=0, 
            names=['Employee', 'Hired','Salary', 'Sick Days'])
print(df4)

請注意，由于列名稱已更改，因此還必須更改index_col和parse_dates可選參數(shù)中指定的列，現(xiàn)在這會產(chǎn)生以下輸出：

2. 使用 pandas 寫入 CSV 文件

當然，如果無法將數(shù)據(jù)從 pandas 中輸出，那 pandas 可能沒有多大好處。將 DataFrame 寫入CSV 文件就像讀取一個文件一樣簡單。下面讓我們將帶有新列名稱的數(shù)據(jù)寫入新的 CSV 文件：

df5 = pandas.read_csv('hrdata.csv', 
            index_col='Employee', 
            parse_dates=['Hired'],
            header=0, 
            names=['Employee', 'Hired', 'Salary', 'Sick Days'])
df5.to_csv('hrdata_modified.csv')

此代碼與上述讀取代碼之間的唯一區(qū)別是 print(df) 替換為 df.to_csv()，新的 CSV 文件如下所示：

參考此文章連接

到此這篇關于python pandas 解析（讀取、寫入） CSV 文件的文章就介紹到這了,更多相關python pandas 解析CSV 文件內(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！

最新評論