Python - 处理CSV数据

读取CSV（逗号分隔值）数据是数据科学中的基本需求。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，以便其他系统使用。Pandas库提供了功能，我们可以使用这些功能完整读取CSV文件，也可以仅读取选定列和行的部分数据。

CSV文件作为输入

CSV文件是一个文本文件，其中列中的值以逗号分隔。让我们考虑一下名为input.csv文件中存在以下数据。

您可以使用Windows记事本复制粘贴此数据来创建此文件。使用记事本中的“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

读取CSV文件

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操作系统读取文件。

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

当我们执行上述代码时，它会产生以下结果。请注意，该函数如何创建了一个从零开始的附加索引列。

   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

读取特定行

Pandas库的read_csv函数也可以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名为“salary”的列的前5行进行切片。

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

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

当我们执行上述代码时，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

读取特定列

Pandas库的read_csv函数也可以用于读取某些特定列。为此，我们使用名为.loc()的多轴索引方法。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']])

当我们执行上述代码时，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

读取特定列和行

Pandas库的read_csv函数也可以用于读取某些特定列和特定行。为此，我们使用名为.loc()的多轴索引方法。我们选择显示某些行的“salary”和“name”列。

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

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

当我们执行上述代码时，它会产生以下结果。

   salary   name
1   515.2    Dan
3   729.0   Ryan
5   578.0  Rasmi

读取特定列的特定行范围

Pandas库的read_csv函数也可以用于读取某些特定列和特定行范围。为此，我们使用名为.loc()的多轴索引方法。我们选择显示某些行的“salary”和“name”列。

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

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

当我们执行上述代码时，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

打印页面