📅 最后修改于: 2020-11-06 05:51:28 🧑 作者: Mango
Pandas I / O API是一组顶级读取器功能，如pd.read_csv()一样访问，这些功能通常返回Pandas对象。
读取文本文件(或平面文件)的两个主要功能是read_csv()和read_table() 。他们都使用相同的解析代码将表格数据智能地转换为DataFrame对象-
pandas.read_csv(filepath_or_buffer, sep=',', delimiter=None, header='infer',
names=None, index_col=None, usecols=None
pandas.read_csv(filepath_or_buffer, sep='\t', delimiter=None, header='infer',
names=None, index_col=None, usecols=None
这是csv文件数据的样子-
S.No,Name,Age,City,Salary
1,Tom,28,Toronto,20000
2,Lee,32,HongKong,3000
3,Steven,43,Bay Area,8300
4,Ram,38,Hyderabad,3900
将此数据另存为temp.csv并对其进行操作。
S.No,Name,Age,City,Salary
1,Tom,28,Toronto,20000
2,Lee,32,HongKong,3000
3,Steven,43,Bay Area,8300
4,Ram,38,Hyderabad,3900
将此数据另存为temp.csv并对其进行操作。
read.csv从csv文件读取数据并创建一个DataFrame对象。
import pandas as pd
df=pd.read_csv("temp.csv")
print df
其输出如下-
S.No Name Age City Salary
0 1 Tom 28 Toronto 20000
1 2 Lee 32 HongKong 3000
2 3 Steven 43 Bay Area 8300
3 4 Ram 38 Hyderabad 3900
这将在csv文件中指定一列，以使用index_col自定义索引。
import pandas as pd
df=pd.read_csv("temp.csv",index_col=['S.No'])
print df
其输出如下-
S.No Name Age City Salary
1 Tom 28 Toronto 20000
2 Lee 32 HongKong 3000
3 Steven 43 Bay Area 8300
4 Ram 38 Hyderabad 3900
列的dtype可以作为dict传递。
import pandas as pd
df = pd.read_csv("temp.csv", dtype={'Salary': np.float64})
print df.dtypes
其输出如下-
S.No int64
Name object
Age int64
City object
Salary float64
dtype: object
默认情况下，Salary列的dtype为int ，但结果将其显示为float，因为我们已明确转换了该类型。
因此，数据看起来像float-
S.No Name Age City Salary
0 1 Tom 28 Toronto 20000.0
1 2 Lee 32 HongKong 3000.0
2 3 Steven 43 Bay Area 8300.0
3 4 Ram 38 Hyderabad 3900.0
使用names参数指定标题的名称。
import pandas as pd
df=pd.read_csv("temp.csv", names=['a', 'b', 'c','d','e'])
print df
其输出如下-
a b c d e
0 S.No Name Age City Salary
1 1 Tom 28 Toronto 20000
2 2 Lee 32 HongKong 3000
3 3 Steven 43 Bay Area 8300
4 4 Ram 38 Hyderabad 3900
请注意，标头名称后附加了自定义名称，但文件中的标头尚未消除。现在，我们使用header参数将其删除。
如果标题不在第一行中，则将行号传递给标题。这将跳过前面的行。
import pandas as pd
df=pd.read_csv("temp.csv",names=['a','b','c','d','e'],header=0)
print df
其输出如下-
a b c d e
0 S.No Name Age City Salary
1 1 Tom 28 Toronto 20000
2 2 Lee 32 HongKong 3000
3 3 Steven 43 Bay Area 8300
4 4 Ram 38 Hyderabad 3900
skiprows跳过指定的行数。
import pandas as pd
df=pd.read_csv("temp.csv", skiprows=2)
print df
其输出如下-
2 Lee 32 HongKong 3000
0 3 Steven 43 Bay Area 8300
1 4 Ram 38 Hyderabad 3900