Python Pandas - เครื่องมือ IO

Pandas I/O API เป็นชุดของฟังก์ชันผู้อ่านระดับบนสุดที่เข้าถึงได้เช่น pd.read_csv() ที่มักจะส่งคืนวัตถุนุ่น

ฟังก์ชันม้าสองตัวสำหรับการอ่านไฟล์ข้อความ (หรือไฟล์แบบแบน) คือ read_csv() และ read_table(). ทั้งคู่ใช้รหัสการแยกวิเคราะห์เดียวกันเพื่อแปลงข้อมูลตารางเป็นไฟล์DataFrame วัตถุ -

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

นี่คือวิธีการ csv ข้อมูลไฟล์ดูเหมือน -

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

บันทึกข้อมูลนี้เป็นไฟล์ temp.csv และดำเนินการกับมัน

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

บันทึกข้อมูลนี้เป็นไฟล์ temp.csv และดำเนินการกับมัน

read.csv

read.csv อ่านข้อมูลจากไฟล์ csv และสร้างวัตถุ DataFrame

import pandas as pd

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

มัน output มีดังนี้ -

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

ดัชนีที่กำหนดเอง

สิ่งนี้ระบุคอลัมน์ในไฟล์ csv เพื่อปรับแต่งดัชนีโดยใช้ index_col.

import pandas as pd

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

มัน output มีดังนี้ -

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

ตัวแปลง

dtype ของคอลัมน์สามารถส่งผ่านเป็นคำสั่ง

import pandas as pd

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

มัน output มีดังนี้ -

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

โดยค่าเริ่มต้นไฟล์ dtype ของคอลัมน์เงินเดือนคือ intแต่ผลลัพธ์แสดงให้เห็นว่าเป็น float เนื่องจากเราได้ระบุประเภทไว้อย่างชัดเจน

ดังนั้นข้อมูลจึงดูเหมือนลอย -

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

ระบุชื่อของส่วนหัวโดยใช้อาร์กิวเมนต์ names

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

มัน output มีดังนี้ -

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

สังเกตชื่อส่วนหัวจะต่อท้ายด้วยชื่อที่กำหนดเอง แต่ส่วนหัวในไฟล์ยังไม่ถูกกำจัด ตอนนี้เราใช้อาร์กิวเมนต์ส่วนหัวเพื่อลบสิ่งนั้น

หากส่วนหัวอยู่ในแถวอื่นที่ไม่ใช่ส่วนแรกให้ส่งหมายเลขแถวไปที่ส่วนหัว การดำเนินการนี้จะข้ามแถวก่อนหน้า

import pandas as pd 

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

มัน output มีดังนี้ -

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

ข้าม

ข้ามการข้ามจำนวนแถวที่ระบุ

import pandas as pd

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

มัน output มีดังนี้ -

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