Python Pandas - Ferramentas IO

o Pandas I/O API é um conjunto de funções de leitor de nível superior acessadas como pd.read_csv() que geralmente retornam um objeto Pandas.

As duas funções burras para ler arquivos de texto (ou arquivos simples) são read_csv() e read_table(). Ambos usam o mesmo código de análise para converter dados tabulares em umDataFrame objeto -

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

Aqui é como o csv os dados do arquivo parecem -

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

Salve esses dados como temp.csv e realizar operações nele.

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

Salve esses dados como temp.csv e realizar operações nele.

read.csv

read.csv lê os dados dos arquivos csv e cria um objeto DataFrame.

import pandas as pd

df=pd.read_csv("temp.csv")
print df

Está output é o seguinte -

S.No     Name   Age       City   Salary
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

índice personalizado

Isso especifica uma coluna no arquivo csv para personalizar o índice usando index_col.

import pandas as pd

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

Está output é o seguinte -

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

Conversores

dtype das colunas pode ser passado como um dicionário.

import pandas as pd

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

Está output é o seguinte -

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

Por padrão, o dtype da coluna Salário é int, mas o resultado mostra como float porque lançamos explicitamente o tipo.

Assim, os dados parecem flutuantes -

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

header_names

Especifique os nomes do cabeçalho usando o argumento names.

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

Está output é o seguinte -

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

Observe que os nomes dos cabeçalhos são anexados aos nomes personalizados, mas o cabeçalho do arquivo não foi eliminado. Agora, usamos o argumento do cabeçalho para removê-lo.

Se o cabeçalho estiver em uma linha diferente da primeira, passe o número da linha para o cabeçalho. Isso irá ignorar as linhas anteriores.

import pandas as pd 

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

Está output é o seguinte -

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

skiprows

skiprows pula o número de linhas especificado.

import pandas as pd

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

Está output é o seguinte -

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