Python Data Science 简明教程

Python - Processing CSV Data

从 CSV(逗号分隔值)中读取数据是数据科学中的基本需要。通常,我们会从各个来源获得数据,这些数据可以导出为 CSV 格式,以便其他系统可以使用它们。Panadas 库提供了可以使用哪些功能来完整地读取 CSV 文件,以及仅针对选定的列和行组的部分读取 CSV 文件。

Input as CSV File

csv 文件是一个文本文件,其中各列中的值由逗号分隔。让我们考虑名为 input.csv 的文件中存在的以下数据。

您可以通过复制并粘贴此数据来使用 Windows 记事本创建此文件。在记事本中使用另存为所有文件( . ) 选项将文件保存为 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

Reading a CSV File

pandas 库的 read_csv 函数用于将 CSV 文件的内容作为 pandas DataFrame 读取到 python 环境中。该函数可以使用文件的正确路径从 OS 中读取文件。

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。请注意该函数如何创建了一个以零开头的附加列作为索引。

   id    name  salary  start_date        dept
0   1    Rick  623.30  2012-01-01          IT
1   2     Dan  515.20  2013-09-23  Operations
2   3   Tusar  611.00  2014-11-15          IT
3   4    Ryan  729.00  2014-05-11          HR
4   5    Gary  843.25  2015-03-27     Finance
5   6   Rasmi  578.00  2013-05-21          IT
6   7  Pranab  632.80  2013-07-30  Operations
7   8    Guru  722.50  2014-06-17     Finance

Reading Specific Rows

pandas 库的 read_csv 函数也可用于为给定列读取某些特定行。我们使用以下代码从 read_csv 函数中截取结果,以获得名为 salary 的列的前 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'])

当我们执行上面的代码时,它会产生以下结果。

0    623.30
1    515.20
2    611.00
3    729.00
4    843.25
Name: salary, dtype: float64

Reading Specific Columns

pandas 库的 read_csv 函数也可用于读取某些特定列。为此,我们使用多轴索引方法 .loc() 。我们选择显示所有行的 salary 和 name 列。

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
0  623.30    Rick
1  515.20     Dan
2  611.00   Tusar
3  729.00    Ryan
4  843.25    Gary
5  578.00   Rasmi
6  632.80  Pranab
7  722.50    Guru

Reading Specific Columns and Rows

read_csv 函数在 pandas 库中也可以用于读取一些特定列和特定行。在此目的下,我们采用了叫做 .loc() 的多轴索引法。我们选择为一些行显示工资和名称列。

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
1   515.2    Dan
3   729.0   Ryan
5   578.0  Rasmi

Reading Specific Columns for a Range of Rows

read_csv 函数在 pandas 库中也可以用于读取一些特定列和一系列行。在此目的下,我们采用了叫做 .loc() 的多轴索引法。我们选择为一些行显示工资和名称列。

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

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

当我们执行上面的代码时,它会产生以下结果。

   salary    name
2  611.00   Tusar
3  729.00    Ryan
4  843.25    Gary
5  578.00   Rasmi
6  632.80  Pranab