|
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：
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。
1.import pandas as pd
2.
3. df=pd.read_csv("C:/Users/Administrator/Desktop/person.csv")
4. 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。
1.import pandas as pd
2. df=pd.read_csv("C:/Users/Administrator/Desktop/person.csv",index_col=['ID'])
3. 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
1.import pandas as pd
2.
3. df=pd.read_csv("C:/Users/Administrator/Desktop/person.csv",dtype={'Salary':np.float64})
4. 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。
1.import pandas as pd
2. df=pd.read_csv("C:/Users/Administrator/Desktop/person.csv",names=['a','b','c','d','e'])
3. 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：
1.import pandas as pd
2. df=pd.read_csv("C:/Users/Administrator/Desktop/person.csv",names=['a','b','c','d','e'],header=0)
3. 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。
1.import pandas as pd
2. df=pd.read_csv("C:/Users/Administrator/Desktop/person.csv",skiprows=2)
3. 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：
1.import pandas as pd
2. data = {'Name': ['Smith', 'Parker'], 'ID': [101, 102], 'Language': ['Python', 'JavaScript']}
3. info = pd.DataFrame(data)
4. print('DataFrame Values:\n', info)
5.
6. csv_data = info.to_csv()
7. 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：
1.import pandas as pd
2.
3. data = {'Name': ['Smith', 'Parker'], 'ID': [101, pd.NaT], 'Language': ['Python', 'JavaScript']}
4. info = pd.DataFrame(data)
5. csv_data = info.to_csv("C:/Users/Administrator/Desktop/pandas.csv",sep='|') |
|
