122

将 CSV 文件读入pandas DataFrame的 Python 方法是什么（然后我可以将其用于统计操作，可以有不同类型的列等）？

我的 CSV 文件"value.txt"包含以下内容：

Date,"price","factor_1","factor_2"
2012-06-11,1600.20,1.255,1.548
2012-06-12,1610.02,1.258,1.554
2012-06-13,1618.07,1.249,1.552
2012-06-14,1624.40,1.253,1.556
2012-06-15,1626.15,1.258,1.552
2012-06-16,1626.15,1.263,1.558
2012-06-17,1626.15,1.264,1.572

在 R 中，我们将使用以下方法读取此文件：

price <- read.csv("value.txt")

这将返回一个 R data.frame：

> price <- read.csv("value.txt")
> price
     Date   price factor_1 factor_2
1  2012-06-11 1600.20    1.255    1.548
2  2012-06-12 1610.02    1.258    1.554
3  2012-06-13 1618.07    1.249    1.552
4  2012-06-14 1624.40    1.253    1.556
5  2012-06-15 1626.15    1.258    1.552
6  2012-06-16 1626.15    1.263    1.558
7  2012-06-17 1626.15    1.264    1.572

有没有一种 Pythonic 方式来获得相同的功能？

4

9 回答 9

191

大熊猫救援：

import pandas as pd
print pd.read_csv('value.txt')

        Date    price  factor_1  factor_2
0  2012-06-11  1600.20     1.255     1.548
1  2012-06-12  1610.02     1.258     1.554
2  2012-06-13  1618.07     1.249     1.552
3  2012-06-14  1624.40     1.253     1.556
4  2012-06-15  1626.15     1.258     1.552
5  2012-06-16  1626.15     1.263     1.558
6  2012-06-17  1626.15     1.264     1.572

这将返回类似于R's.

于 2013-01-16T18:56:20.563 回答
17

要将 CSV 文件作为 pandas DataFrame 读取，您需要使用pd.read_csv.

但这不是故事的结局；数据以多种不同的格式存在并以不同的方式存储，因此您通常需要传递其他参数以read_csv确保正确读取您的数据。

下表列出了 CSV 文件遇到的常见场景以及您需要使用的适当参数。您通常需要以下参数的全部或部分组合来读取数据。

┌──────────────────────────────────────────────────────────┬─────────────────────────────┬────────────────────────────────────────────────────────┐
│  Scenario                                                │  Argument                   │  Example                                               │
├──────────────────────────────────────────────────────────┼─────────────────────────────┼────────────────────────────────────────────────────────┤
│  Read CSV with different separator¹                      │  sep/delimiter              │  read_csv(..., sep=';')                                │
│  Read CSV with tab/whitespace separator                  │  delim_whitespace           │  read_csv(..., delim_whitespace=True)                  │
│  Fix UnicodeDecodeError while reading²                   │  encoding                   │  read_csv(..., encoding='latin-1')                     │
│  Read CSV without headers³                               │  header and names           │  read_csv(..., header=False, names=['x', 'y', 'z'])    │
│  Specify which column to set as the index⁴               │  index_col                  │  read_csv(..., index_col=[0])                          │
│  Read subset of columns                                  │  usecols                    │  read_csv(..., usecols=['x', 'y'])                     │
│  Numeric data is in European format (eg., 1.234,56)      │  thousands and decimal      │  read_csv(..., thousands='.', decimal=',')             │
└──────────────────────────────────────────────────────────┴─────────────────────────────┴────────────────────────────────────────────────────────┘

脚注

  1. 默认情况下，read_csv使用 C 解析器引擎来提高性能。C 解析器只能处理单个字符分隔符。如果您的 CSV 具有多字符分隔符，则需要修改代码以使用'python'引擎。您还可以传递正则表达式：

    df = pd.read_csv(..., sep=r'\s*\|\s*', engine='python')

  2. UnicodeDecodeError当数据以一种编码格式存储但以另一种不兼容的编码格式读取时，就会发生这种情况。最常见的编码方案是'utf-8'和'latin-1'，您的数据很可能适合其中之一。

  3. header=False指定 CSV 中的第一行是数据行而不是标题行，并且names=[...]允许您指定列名列表以在创建 DataFrame 时分配给它。

  4. 当具有未命名索引的 DataFrame 保存到 CSV 并在之后重新读取时，会发生“未命名：0”。不必在阅读时解决问题，您还可以在写入时通过使用来解决问题

    df.to_csv(..., index=False)

还有一些我在这里没有提到的其他论点，但这些是您最常遇到的论点。

于 2019-05-21T05:33:36.220 回答
10

这是使用 Python 内置csv 模块的 pandas 库的替代方案。

import csv
from pprint import pprint
with open('foo.csv', 'rb') as f:
    reader = csv.reader(f)
    headers = reader.next()
    column = {h:[] for h in headers}
    for row in reader:
        for h, v in zip(headers, row):
            column[h].append(v)
    pprint(column)    # Pretty printer

将打印

{'Date': ['2012-06-11',
          '2012-06-12',
          '2012-06-13',
          '2012-06-14',
          '2012-06-15',
          '2012-06-16',
          '2012-06-17'],
 'factor_1': ['1.255', '1.258', '1.249', '1.253', '1.258', '1.263', '1.264'],
 'factor_2': ['1.548', '1.554', '1.552', '1.556', '1.552', '1.558', '1.572'],
 'price': ['1600.20',
           '1610.02',
           '1618.07',
           '1624.40',
           '1626.15',
           '1626.15',
           '1626.15']}
于 2013-01-16T19:20:20.000 回答
7 
import pandas as pd
df = pd.read_csv('/PathToFile.txt', sep = ',')

这会将您的 .txt 或 .csv 文件导入 DataFrame。

于 2019-09-07T16:09:37.323 回答
5

尝试这个

import pandas as pd
data=pd.read_csv('C:/Users/Downloads/winequality-red.csv')

将文件目标位置替换为您的数据集所在的位置，请参阅此网址 https://medium.com/@kanchanardj/jargon-in-python-used-in-data-science-to-laymans-language-part-一12ddfd31592f

于 2019-09-20T06:51:12.637 回答
1 
%cd C:\Users\asus\Desktop\python
import pandas as pd
df = pd.read_csv('value.txt')
df.head()
    Date    price   factor_1    factor_2
0   2012-06-11  1600.20 1.255   1.548
1   2012-06-12  1610.02 1.258   1.554
2   2012-06-13  1618.07 1.249   1.552
3   2012-06-14  1624.40 1.253   1.556
4   2012-06-15  1626.15 1.258   1.552
于 2019-09-05T13:59:03.943 回答
0

您可以使用 Python 标准库中的csv 模块来操作 CSV 文件。

例子：

import csv
with open('some.csv', 'rb') as f:
    reader = csv.reader(f)
    for row in reader:
        print row
于 2013-01-16T19:03:53.090 回答
-1

注意很干净，但是：

import csv

with open("value.txt", "r") as f:
    csv_reader = reader(f)
    num = '  '
    for row in csv_reader:
        print num, '\t'.join(row)
        if num == '  ':  
            num=0
        num=num+1

不那么紧凑，但它可以完成工作：

   Date price   factor_1    factor_2
1 2012-06-11    1600.20 1.255   1.548
2 2012-06-12    1610.02 1.258   1.554
3 2012-06-13    1618.07 1.249   1.552
4 2012-06-14    1624.40 1.253   1.556
5 2012-06-15    1626.15 1.258   1.552
6 2012-06-16    1626.15 1.263   1.558
7 2012-06-17    1626.15 1.264   1.572
于 2013-01-16T19:12:35.763 回答
-2 
import pandas as pd    
dataset = pd.read_csv('/home/nspython/Downloads/movie_metadata1.csv')
于 2020-10-31T19:45:23.387 回答