日本免费高清视频-国产福利视频导航-黄色在线播放国产-天天操天天操天天操天天操|www.shdianci.com

學(xué)無先后，達(dá)者為師

網(wǎng)站首頁 編程語言 正文

Python?Pandas讀寫txt和csv文件的方法詳解_python

作者：無?羨? ? 更新時間： 2022-11-09 編程語言

一、文本文件

文本文件，主要包括csv和txt兩種等，相應(yīng)接口為read_csv()和to_csv()，分別用于讀寫數(shù)據(jù)

1. read_csv()

格式代碼：

pandas.read_csv(filepath_or_buffer, sep=', ', delimiter=None, header='infer', names=None, index_col=None, usecols=None, squeeze=False, prefix=None, mangle_dupe_cols=True, dtype=None, engine=None, converters=None, true_values=None, false_values=None, skipinitialspace=False, skiprows=None, nrows=None, na_values=None, keep_default_na=True, na_filter=True, verbose=False, skip_blank_lines=True, parse_dates=False, infer_datetime_format=False, keep_date_col=False, date_parser=None, dayfirst=False, iterator=False, chunksize=None, compression='infer', thousands=None, decimal=b'.', lineterminator=None, quotechar='"', quoting=0, escapechar=None, comment=None, encoding=None, dialect=None, tupleize_cols=None, error_bad_lines=True, warn_bad_lines=True, skipfooter=0, doublequote=True, delim_whitespace=False, low_memory=True, memory_map=False, float_precision=None）

常用參數(shù)：

  • filepath_or_buffer：文件路徑
  • sep=','：默認(rèn)以，為數(shù)據(jù)分隔符
  • skiprows：跳過前幾行
  • nrows ：只讀前幾行
  • parse_dates = [‘col_name’]：指定某行讀取為日期格式
  • index_col = [‘col_1’,‘col_2’]：讀取指定的幾列
  • error_bad_lines = False ：當(dāng)某行數(shù)據(jù)有問題時，不報錯，直接跳過，處理臟數(shù)據(jù)時使用
  • na_values = ‘NULL’：將NULL識別為空值
  • header = 0：表示以數(shù)據(jù)的第一行為列索引
  • encoding = “utf-8”：表明以utf-8為編碼規(guī)則。
  • names = range(0,50))：表示以[0…49]為列索引的名字

（1）讀取csv文件：

>>> import pandas as pd
>>>
>>> df = pd.read_csv(r"E:\Python學(xué)習(xí)\test.csv")
>>> print(df)
  name  age
0   小紅   10
1   小明   20
2   小白   30
>>> print(type(df))
<class 'pandas.core.frame.DataFrame'>
>>> # 行和列
>>> print(df.shape)
(3, 2)
>>> print(list(df.columns))
['name', 'age']

（2）讀取txt文件：

>>> df = pd.read_csv(r"E:\Python學(xué)習(xí)\test.txt")
>>> print(df)
   北京
0  上海
1  成都
2  深圳
3  廣州
4  廣東

skiprows

跳過前n行

>>> df = pd.read_csv(r"E:\Python學(xué)習(xí)\test.csv", skiprows=2)
>>> print(df)
   小明  20
0  小白  30

nrows

只讀前幾行

>>> df = pd.read_csv(r"E:\Python學(xué)習(xí)\test.csv", nrows =2)
>>> print(df)
  name  age
0   小紅   10
1   小明   20

index_col

index_col = [‘col_1’,‘col_2’]：讀取指定的幾列。整數(shù)或者字符串或者整數(shù)/字符串列表。指定用作的行標(biāo)簽的列。

感覺有問題，和我想象中不同：

>>> df = pd.read_csv(r"E:\Python學(xué)習(xí)\test.csv", index_col  =['name'])
>>> print(df)
      age
name
小紅     10
小明     20
小白     30
>>> df = pd.read_csv(r"E:\Python學(xué)習(xí)\test.csv", index_col=1)
>>> print(df)
    name
age
10    小紅
20    小明
30    小白

names

names = range(0,50)：表示以[0…49]為列索引的名字

不與header=0共同使用：

>>> df = pd.read_csv(r"E:\Python學(xué)習(xí)\test.csv", names=['姓名', '年齡'])
>>> print(df)
     姓名   年齡
0  name  age
1    小紅   10
2    小明   20
3    小白   30

與header=0共同使用：

>>> df = pd.read_csv(r"E:\Python學(xué)習(xí)\test.csv", header=0, names=['姓名', '年齡'])
>>> print(df)
   姓名  年齡
0  小紅  10
1  小明  20
2  小白  30

2. to_csv()

格式代碼：

pd.to_csv(path_or_buf,sep,na_rep,columns,header,index)

常用參數(shù)：

path_or_buf：str：放文件名、相對路徑、文件流等。

sep：分隔符。與read_csv()中sep參數(shù)意思一樣。

na_rep：將NaN轉(zhuǎn)換為特定值。

columns：指定哪些列寫進(jìn)去。

header；默認(rèn)header=0，如果沒有表頭，設(shè)置header=None。

index：關(guān)于索引的，默認(rèn)True，寫入索引。

（1）寫入csv文件：

>>> import pandas as pd
>>>
>>> data = [{'A': 1, 'B': 2}, {'A': 3, 'B': 4, 'C': 5}]
>>> df = pd.DataFrame(data)
>>> print(df)
   A  B    C
0  1  2  NaN
1  3  4  5.0
>>> print(type(df))
<class 'pandas.core.frame.DataFrame'>
>>> df.to_csv('test1.csv')
>>>

可以看到生成了新文件：

我們讀取看看：

>>> df1 = pd.read_csv(r"test1.csv", header=0, encoding="utf-8")
>>> print(df1)
   A  B    C
0  1  2  NaN
1  3  4  5.0

（2）寫入txt文件：

>>> data = [{'A': 1, 'B': 2}, {'A': 3, 'B': 4, 'C': 5}]
>>> df = pd.DataFrame(data)
>>> df.to_csv('test1.txt')

生成新文件：

sep

設(shè)置分隔符

>>> data = [{'A': 1, 'B': 2}, {'A': 3, 'B': 4, 'C': 5}]
>>> df = pd.DataFrame(data)
>>> df.to_csv('test2.csv', sep=';') # 設(shè)置;號為分割符

可以看到分隔符為分號：

na_rep

na_rep：將NaN轉(zhuǎn)換為特定值。

>>> data = [{'A': 1, 'B': 2}, {'A': 3, 'B': 4, 'C': 5}]
>>> df = pd.DataFrame(data)
>>> df.to_csv('test3.csv', na_rep='100') # 空值替換為100
>>>
>>> df1 = pd.read_csv('test3.csv')
>>> print(df1)
   Unnamed: 0  A  B      C
0           0  1  2  100.0
1           1  3  4    5.0

columns

columns：指定哪些列寫進(jìn)去。

>>> data = [{'A': 1, 'B': 2}, {'A': 3, 'B': 4, 'C': 5}]
>>> df = pd.DataFrame(data)
>>> df.to_csv('test4.csv', columns=['A','B']) # 只寫入A、B列
>>>
>>> df1 = pd.read_csv('test4.csv')
>>> print(df1)
   Unnamed: 0  A  B
0           0  1  2
1           1  3  4

header

header；默認(rèn)header=0，如果沒有表頭，設(shè)置header=None。

>>> data = [{'A': 1, 'B': 2}, {'A': 3, 'B': 4, 'C': 5}]
>>> df = pd.DataFrame(data)
>>> df.to_csv('test5.csv', header=None)
>>>
>>> df1 = pd.read_csv('test5.csv')
>>> print(df1)
   0  1  2  Unnamed: 3
0  1  3  4         5.0

index

index：關(guān)于索引的，默認(rèn)True，寫入索引

不保留索引：

>>> data = [{'A': 1, 'B': 2}, {'A': 3, 'B': 4, 'C': 5}]
>>> df = pd.DataFrame(data)
>>> df.to_csv('test6.csv', index=False)
>>>
>>> df1 = pd.read_csv('test6.csv')
>>> print(df1)
   A  B    C
0  1  2  NaN
1  3  4  5.0

原文鏈接：https://blog.csdn.net/yuan2019035055/article/details/126908798

欄目分類
最近更新