Python处理CSV数据

从CSV读取数据(逗号分隔值)是数据科学的基本需求。 通常，我们从各种来源获取数据，这些数据可以导出为CSV格式，以便其他系统可以使用这些数据。 Panadas库提供了一些功能函数，我们可以使用该功能完整地读取CSV文件，也可以只读取选定的一组列和行。

CSV文件作为输入

csv文件是一个文本文件，其中列中的值由逗号分隔。假设有一个名称为 input.csv 的文件中的具有以下数据。

可以通过复制并粘贴这些数据，使用Windows记事本创建该文件。 使用记事本中的另存为全部文件(.)选项，并将该文件保存为:input.csv 。

id,name,salary,start_date,dept
1,Rick,623.3,2012-01-01,IT
2,Dan,515.2,2013-09-23,Operations
3,Tusar,611,2014-11-15,IT
4,Ryan,729,2014-05-11,HR
5,Gary,843.25,2015-03-27,Finance
6,Rasmi,578,2013-05-21,IT
7,Pranab,632.8,2013-07-30,Operations
8,Guru,722.5,2014-06-17,Finance

读取CSV文件

使用pandas库的read_csv函数将CSV文件的内容作为pandas DataFrame读入python环境。 该功能可以通过使用适当的文件路径从操作系统中读取文件。如下实现代码 -

import pandas as pd
data = pd.read_csv('path/input.csv')
print (data)

当我们执行上面的代码时，它会产生以下结果。 请注意函数如何创建以零开头的附加列作为索引。

   id    name  salary  start_date        dept
   Rick  623.30  2012-01-01          IT
    Dan  515.20  2013-09-23  Operations
  Tusar  611.00  2014-11-15          IT
   Ryan  729.00  2014-05-11          HR
   Gary  843.25  2015-03-27     Finance
  Rasmi  578.00  2013-05-21          IT
 Pranab  632.80  2013-07-30  Operations
   Guru  722.50  2014-06-17     Finance

读取指定行

熊猫库的read_csv函数也可用于读取给定列的某些特定行。 我们使用下面显示的代码对read_csv函数的结果进行分割，例如:salary列的前5行。

import pandas as pd
data = pd.read_csv('path/input.csv')

# Slice the result for first 5 rows
print (data[0:5]['salary'])

执行上面示例代码，得到以下结果 -

0    623.30
   515.20
   611.00
   729.00
   843.25
Name: salary, dtype: float64

读取特定列

Pandas库的read_csv函数也可以用来读取一些特定的列。 为此，我们使用称为.loc()的多轴索引方法。 选择显示salary和nama列的所有行。

import pandas as pd
data = pd.read_csv('path/input.csv')

# Use the multi-axes indexing funtion
print (data.loc[:,['salary','name']])

当我们执行上面的代码时，它会产生以下结果。

   salary    name
 623.30    Rick
 515.20     Dan
 611.00   Tusar
 729.00    Ryan
 843.25    Gary
 578.00   Rasmi
 632.80  Pranab
 722.50    Guru

读取特定的列和行

Pandas库的read_csv函数也可以用来读取一些特定的列和特定的行。 为此，我们使用称为.loc()的多轴索引方法。选择显示salary和name列的某些行。

import pandas as pd
data = pd.read_csv('path/input.csv')

# Use the multi-axes indexing funtion
print (data.loc[[1,3,5],['salary','name']])

当我们执行上面的代码时，它会产生以下结果。

   salary   name
  515.2    Dan
  729.0   Ryan
  578.0  Rasmi

读取一系列行的特定列

Pandas库的read_csv函数也可以用来读取一些特定的列和一系列的行。使用名称为.loc()的多轴索引方法。选择显示sarlay和name列的某些行。

import pandas as pd
data = pd.read_csv('path/input.csv')

# Use the multi-axes indexing funtion
print (data.loc[2:6,['salary','name']])

执行上面示例代码，得到以下结果 -

   salary    name
 611.00   Tusar
 729.00    Ryan
 843.25    Gary
 578.00   Rasmi
 632.80  Pranab