Операции ввода-вывода Pandas

Примеры операций ввода-вывода Pandas

Основные функции чтения текстовых файлов - read_csv() и read_table(). Они используют одинаковый код парсинга для преобразования табличных данных в объект DataFrame:

　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

Сохраните данные в файл temp.csv и работайте с ними.

　Nомер,Имя,Возраст,Город,Зарплата
　1,Tom,28,Toronto,20000
　2,Lee,32,HongKong,3000
　3,Steven,43,Bay Area,8300
　4,Ram,38,Hyderabad,3900

read.csv

Функция read.csv читает данные из csv файла и создает объект DataFrame.

　import pandas as pd
　df=pd.read_csv("temp.csv")
　print df

Результат выполнения:

Nомер　Имя　Возраст　　Город　Зарплата
0　　　　　1　　　　　　Tom　　　　28　　　　Toronto　　　　20000
1　　　　　2　　　　　　Lee　　　　32　　　HongKong　　　　　3000
2　　　　　3　　　Steven　　　　43　　　Bay Area　　　　　8300
3　　　　　4　　　　　　Ram　　　　38　　Hyderabad　　　　　3900

Пользовательский индекс

Это установит указанное в csv файле поле в качестве индекса с помощью параметра index_col.

　import pandas as pd
　df=pd.read_csv("temp.csv",index_col=['S.No'])
　print df

Результат выполнения:

Nомер　Имя　Возраст　　Город　Зарплата
1　　　　　　　Tom　　　　28　　　Toronto　　　　20000
2　　　　　　　Lee　　　　32　　　HongKong　　　　　3000
3　　　　Steven　　　　43　　　Bay Area　　　　　8300
4　　　　　　　Ram　　　　38　　Hyderabad　　　　　3900

Конвертер

dtype для столбца можно передать как dict.

　import pandas as pd
　df　=　pd.read_csv("temp.csv",　dtype={'Salary':　np.float64})
　print　df.dtypes

Результат выполнения:

S.No　　　　　　　int64
Name　　　　　　object
Age　　　　　　　　int64
City　　　　　　object
Salary　　　float64
dtype:　object

По умолчанию, dtype для столбца Salary составляет int, но результат отображает его как float,因为我们 явно преобразовали тип. Таким образом, данные выглядят как float.

Таким образом, данные выглядят как float −

　　　S.No　　　Name　　　Age　　　　　　City　　　　Salary
0　　　1　　　　　Tom　　　28　　　　Toronto　　　20000.0
1　　　2　　　　　Lee　　　32　　　HongKong　　　　3000.0
2　　　3　　Steven　　　43　　　Bay Area　　　　8300.0
3　　　4　　　　　Ram　　　38　　Hyderabad　　　　3900.0

Имена заголовков

Используйте параметр names для указания имен заголовков.

　import pandas as pd
　　
　df=pd.read_csv("temp.csv",　names=['a',　'b',　'c','d','e'])
　print df

Результат выполнения:

　　　a　　　　　　　　b　　　　c　　　　　　　　　　　d　　　　　　　　e
0　　　S.No　　　　　Name　　　Age　　　　　　　City　　　Salary
1　　　　　　1　　　　　　Tom　　　28　　　　　Toronto　　　　20000
2　　　　　　2　　　　　　Lee　　　32　　　　HongKong　　　　　3000
3　　　　　　3　　　Steven　　　43　　　　Bay Area　　　　　8300
4　　　　　　4　　　　　　Ram　　　38　　　Hyderabad　　　　　3900

Обратите внимание, что после названия заголовка добавлено пользовательское имя, но заголовок в файле еще не удален. В настоящее время мы используем параметр header, чтобы удалить его.

Если заголовок не находится в первой строке, то передается номер строки заголовка. Это пропустит предыдущие строки.

　import pandas as pd　
　df=pd.read_csv("temp.csv",names=['a','b','c','d','e'],header=0)
　print df

Результат выполнения:

　　a　　　　　　　　b　　　　c　　　　　　　　　　　d　　　　　　　　e
0　　Nомер　S.No　　　　　Имя　Name　　　Возраст　Age　　　　　Город　City　　　Зарплата　Salary
1　　　　　1　　　　　　Tom　　　28　　　　　Toronto　　　　20000
2　　　　　2　　　　　　Lee　　　32　　　　HongKong　　　　　3000
3　　　　　3　　　Steven　　　43　　　　Bay　Area　　　　　8300
4　　　　　4　　　　　　Ram　　　38　　　Hyderabad　　　　　3900

skiprows

skiprows пропускает указанное количество строк.

　import pandas as pd
　df=pd.read_csv("temp.csv",　skiprows=2)
　print df

Результат выполнения:

　　　　2　　　　　　Lee　　　32　　　　HongKong　　　3000
0　　　3　　　Steven　　　43　　　　Bay　Area　　　8300
1　　　4　　　　　　Ram　　　38　　　Hyderabad　　　3900