在 pandas 中读取 csv 文件 - Python

介绍

Pandas 是一种基于 Numpy 的 Python 数据分析库，它提供了简单易用的数据结构和数据分析工具，可用于高效地操作和处理大型数据集。

在 Pandas 中，我们可以使用 read_csv() 函数来读取 csv 文件，并将其转换为 Pandas 数据框。本文将介绍如何使用 Pandas 读取 csv 文件。

读取 csv 文件

读取 csv 文件的语法如下所示：

import pandas as pd

df = pd.read_csv('example.csv')

其中，'example.csv' 是要读取的 csv 文件的文件名和路径，df 是 Pandas 数据框对象。

默认情况下，read_csv() 函数会将文件的第一行作为表头，并推断每一列的数据类型。如果 csv 文件中没有表头，我们可以通过设置 header 参数为 None 来取消自动推断表头，并手动设置表头：

import pandas as pd

df = pd.read_csv('example.csv', header=None, names=['col1', 'col2', 'col3'])

上述代码中，header=None 表示取消自动推断表头，names=['col1', 'col2', 'col3'] 则为手动设置表头，其中 col1、col2 和 col3 分别是每一列的名称。

如果 csv 文件中包含数据列之间的分隔符不是逗号，我们可以使用 sep 参数来指定分隔符，例如使用分号作为分隔符：

import pandas as pd

df = pd.read_csv('example.csv', sep=';')

保存数据

在 Pandas 中，我们可以使用 to_csv() 函数将数据框保存为 csv 文件，默认情况下，to_csv() 函数会保存表头和索引。我们可以通过设置 header 和 index 参数为 False 来取消保存表头和索引：

import pandas as pd

df.to_csv('example.csv', header=False, index=False)

总结

本篇文章介绍了如何在 Pandas 中读取 csv 文件，包括如何设置表头、分隔符等。同时，本文还介绍了如何使用 Pandas 将数据框保存为 csv 文件。如果您对 Pandas 的数据操作感兴趣，可以阅读 Pandas 官方文档或其它相关文章。