Pandas csv读写文件
精华
小牛编辑
117浏览
2023-03-14
在《
Python Pandas读取文件》中,我们讲解了多种用 Pandas 读写文件的方法。本节我们讲解如何应用这些方法 。
我们知道,文件的读写操作属于计算机的 IO 操作,Pandas IO 操作提供了一些读取器函数,比如 pd.read_csv()、pd.read_json 等,它们都返回一个 Pandas 对象。
在 Pandas 中用于读取文本的函数有两个,分别是: read_csv() 和 read_table() ,它们能够自动地将表格数据转换为 DataFrame 对象。其中 read_csv 的语法格式,如下:
通过传递标头所在行号实现删除,如下所示:
下面看一组简单的示例:
我们知道,文件的读写操作属于计算机的 IO 操作,Pandas IO 操作提供了一些读取器函数,比如 pd.read_csv()、pd.read_json 等,它们都返回一个 Pandas 对象。
在 Pandas 中用于读取文本的函数有两个,分别是: read_csv() 和 read_table() ,它们能够自动地将表格数据转换为 DataFrame 对象。其中 read_csv 的语法格式,如下:
pandas.read_csv(filepath_or_buffer, sep=',', delimiter=None, header='infer',names=None, index_col=None, usecols=None)下面,新建一个 txt 文件,并添加以下数据:
ID,Name,Age,City,Salary 1,Jack,28,Beijing,22000 2,Lida,32,Shanghai,19000 3,John,43,Shenzhen,12000 4,Helen,38,Hengshui,3500将 txt 文件另存为 person.csv 文件格式,直接修改文件扩展名即可。接下来,对此文件进行操作。
read_csv()
read_csv() 表示从 CSV 文件中读取数据,并创建 DataFrame 对象。import pandas as pd #需要注意文件的路径 df=pd.read_csv("C:/Users/Administrator/Desktop/person.csv") print (df)输出结果:
ID Name Age City Salary 0 1 Jack 28 Beijing 22000 1 2 Lida 32 Shanghai 19000 2 3 John 43 Shenzhen 12000 3 4 Helen 38 Hengshui 3500
1) 自定义索引
在 CSV 文件中指定了一个列,然后使用index_col
可以实现自定义索引。
import pandas as pd df=pd.read_csv("C:/Users/Administrator/Desktop/person.csv",index_col=['ID']) print(df)输出结果:
Name Age City Salary ID 1 Jack 28 Beijing 22000 2 Lida 32 Shanghai 19000 3 John 43 Shenzhen 12000 4 Helen 38 Hengshui 3500
2) 查看每一列的dtype
import pandas as pd #转换salary为float类型 df=pd.read_csv("C:/Users/Administrator/Desktop/person.csv",dtype={'Salary':np.float64}) print(df.dtypes)输出结果:
ID int64 Name object Age int64 City object Salary float64 dtype: object注意:默认情况下,Salary 列的 dtype 是 int 类型,但结果显示其为 float 类型,因为我们已经在上述代码中做了类型转换。
3) 更改文件标头名
使用 names 参数可以指定头文件的名称。import pandas as pd df=pd.read_csv("C:/Users/Administrator/Desktop/person.csv",names=['a','b','c','d','e']) print(df)输出结果:
a b c d e 0 ID Name Age City Salary 1 1 Jack 28 Beijing 22000 2 2 Lida 32 Shanghai 19000 3 3 John 43 Shenzhen 12000 4 4 Helen 38 Hengshui 3500注意:文件标头名是附加的自定义名称,但是您会发现,原来的标头名(列标签名)并没有被删除,此时您可以使用
header
参数来删除它。
通过传递标头所在行号实现删除,如下所示:
import pandas as pd df=pd.read_csv("C:/Users/Administrator/Desktop/person.csv",names=['a','b','c','d','e'],header=0) print(df)输出结果:
a b c d e 0 1 Jack 28 Beijing 22000 1 2 Lida 32 Shanghai 19000 2 3 John 43 Shenzhen 12000 3 4 Helen 38 Hengshui 3500假如原标头名并没有定义在第一行,您也可以传递相应的行号来删除它。
4) 跳过指定的行数
skiprows
参数表示跳过指定的行数。
import pandas as pd df=pd.read_csv("C:/Users/Administrator/Desktop/person.csv",skiprows=2) print(df)输出结果:
2 Lida 32 Shanghai 19000 0 3 John 43 Shenzhen 12000 1 4 Helen 38 Hengshui 3500注意:包含标头所在行。
to_csv()
Pandas 提供的 to_csv() 函数用于将 DataFrame 转换为 CSV 数据。如果想要把 CSV 数据写入文件,只需向函数传递一个文件对象即可。否则,CSV 数据将以字符串格式返回。下面看一组简单的示例:
import pandas as pd data = {'Name': ['Smith', 'Parker'], 'ID': [101, 102], 'Language': ['Python', 'JavaScript']} info = pd.DataFrame(data) print('DataFrame Values:\n', info) #转换为csv数据 csv_data = info.to_csv() print('\nCSV String Values:\n', csv_data)输出结果:
DataFrame: Name ID Language 0 Smith 101 Python 1 Parker 102 JavaScript csv数据: ,Name,ID,Language 0,Smith,101,Python 1,Parker,102,JavaScript指定 CSV 文件输出时的分隔符,并将其保存在 pandas.csv 文件中,代码如下:
import pandas as pd #注意:pd.NaT表示null缺失数据 data = {'Name': ['Smith', 'Parker'], 'ID': [101, pd.NaT], 'Language': ['Python', 'JavaScript']} info = pd.DataFrame(data) csv_data = info.to_csv("C:/Users/Administrator/Desktop/pandas.csv",sep='|')