快捷導(dǎo)航

python pandas 解析(讀取、寫(xiě)入)CSV 文件的操作方法

更新時(shí)間：2022年12月23日 14:40:25 作者：qiuqiu1027

這篇文章主要介紹了python pandas 解析（讀取、寫(xiě)入） CSV 文件,本文通過(guò)示例代碼給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下

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)：

Name	Hire Date	Salary	Sick Days remaining
Graham Chapman	03/15/14	50000.00	10
John Cleese	06/01/15	65000.00	8
Eric Idle	05/12/14	45000.00	10
Terry Jones	11/01/13	70000.00	3
Terry Gilliam	08/12/14	48000.00	7
Michael Palin	05/23/13	66000.00	8

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(jiǎn)單：僅僅三行代碼，而且其中只有一行真正有用。pandas.read_csv() 打開(kāi)、分析并讀取提供的 CSV 文件，并將數(shù)據(jù)存儲(chǔ)在 DataFrame 中，打印 DataFrame 會(huì)產(chǎn)生以下輸出：

以下是值得注意的幾點(diǎn)：

首先，pandas 識(shí)別到 CSV 的第一行包含列名，并自動(dòng)使用它們。
但是，pandas 也在 DataFrame 中使用從零開(kāi)始的整數(shù)索引，那是因?yàn)闆](méi)有告訴它我們的索引應(yīng)該是什么。
此外，如果查看列的數(shù)據(jù)類型，會(huì)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(rèn)：

讓我們一次解決這些問(wèn)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(lái)，讓我們修復(fù)「Hire Date」字段的數(shù)據(jù)類型?？梢允褂?parse_dates 可選參數(shù)強(qiáng)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(rèn)：

如果 CSV 文件的第一行中沒(méi)有列名，則可以使用 names 可選參數(shù)來(lái)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(xiàng)。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(qǐng)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(huì)產(chǎn)生以下輸出：

2. 使用 pandas 寫(xiě)入 CSV 文件

當(dāng)然，如果無(wú)法將數(shù)據(jù)從 pandas 中輸出，那 pandas 可能沒(méi)有多大好處。將 DataFrame 寫(xiě)入CSV 文件就像讀取一個(gè)文件一樣簡(jiǎn)單。下面讓我們將帶有新列名稱的數(shù)據(jù)寫(xiě)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(guān)于python pandas 解析（讀取、寫(xiě)入） CSV 文件的文章就介紹到這了,更多相關(guān)python pandas 解析CSV 文件內(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: