Pandas怎么的IO操作?(Pandas的IO操作方法)
Pandas IO操作实例
读取文本文件的两个主要功能是read_csv()和read_table()。他们都使用相同的解析代码将表格数据智能地转换为DataFrame对象:
pandas.read_csv(filepath_or_buffer, sep=',', delimiter=None, header='infer', names=None, index_col=None, usecols=None
pandas.read_csv(filepath_or_buffer, sep='\t', delimiter=None, header='infer', names=None, index_col=None, usecols=None
将此数据另存为temp.csv并对其进行操作。
S.No,Name,Age,City,Salary 1,Tom,28,Toronto,20000 2,Lee,32,HongKong,3000 3,Steven,43,Bay Area,8300 4,Ram,38,Hyderabad,3900
read.csv
read.csv从csv文件读取数据并创建一个DataFrame对象。
示例
import pandas as pd df=pd.read_csv("temp.csv") print df
运行结果如下:
S.No Name Age City Salary0 1 Tom 28 Toronto 200001 2 Lee 32 HongKong 30002 3 Steven 43 Bay Area 83003 4 Ram 38 Hyderabad 3900
自定义索引
这将在csv文件中指定一列,以使用index_col自定义索引。
示例
import pandas as pd df=pd.read_csv("temp.csv",index_col=['S.No']) print df
运行结果如下:
S.No Name Age City Salary1 Tom 28 Toronto 200002 Lee 32 HongKong 30003 Steven 43 Bay Area 83004 Ram 38 Hyderabad 3900
转换器
列的dtype可以作为dict传递。
示例
import pandas as pd df = pd.read_csv("temp.csv", dtype={'Salary': np.float64}) print df.dtypes
运行结果如下:
S.No int64 Name objectAge int64 City objectSalary float64 dtype: object
默认情况下,Salary列的dtype为int,但结果将其显示为float,因为我们已明确转换了类型。因此,数据看起来像float。
Thus, the data looks like float −
S.No Name Age City Salary0 1 Tom 28 Toronto 20000.01 2 Lee 32 HongKong 3000.02 3 Steven 43 Bay Area 8300.03 4 Ram 38 Hyderabad 3900.0
标题名称
使用names参数指定标题的名称。
示例
import pandas as pd df=pd.read_csv("temp.csv", names=['a', 'b', 'c','d','e']) print df
运行结果如下:
a b c d e0 S.No Name Age City Salary1 1 Tom 28 Toronto 200002 2 Lee 32 HongKong 30003 3 Steven 43 Bay Area 83004 4 Ram 38 Hyderabad 3900
请注意,标头名称后附加了自定义名称,但是文件中的标头尚未消除。现在,我们使用header参数将其删除。
如果标题不在第一行中,则将行号传递给标题。这将跳过前面的行。
示例
import pandas as pd df=pd.read_csv("temp.csv",names=['a','b','c','d','e'],header=0) print df
运行结果如下:
a b c d e0 S.No Name Age City Salary1 1 Tom 28 Toronto 200002 2 Lee 32 HongKong 30003 3 Steven 43 Bay Area 83004 4 Ram 38 Hyderabad 3900
skiprows
skiprows跳过指定的行数。
示例
import pandas as pd df=pd.read_csv("temp.csv", skiprows=2) print df
运行结果如下:
2 Lee 32 HongKong 30000 3 Steven 43 Bay Area 83001 4 Ram 38 Hyderabad 3900