panda处理CSV文件

最新推荐文章于 2024-07-09 16:25:58 发布
最新推荐文章于 2024-07-09 16:25:58 发布
阅读量1k 收藏 4
点赞数 1
分类专栏： csv文件处理 文章标签： python 机器学习 csv pandas
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_43790749/article/details/114897569
版权

也可参考：机器学习中,python如何使用pandas提取数据并把数据分成训练集和测试集*

import pandas as pd
import numpy as np
df = pd.DataFrame(np.arange(16).reshape(4, 4), columns=list('ABCD'), index=list('5678'))
df
ABCD
50123
64567
7891011
812131415

主要介绍了五种pandas访问CSV文件数据的方法：

1）loc，行名称列名称
2）iloc，行数列数
3）ix，行名称列名称/行数列数混合
4) df.x，选择单列
5）df[]

1，loc，行名称列名称

1.1，行

df.loc['6']           # 行名称为6的行，即第2行，即4 5 6 7
 

A    4
B    5
C    6
D    7
Name: 6, dtype: int64

df.loc['5':'7']
ABCD
50123
64567
7891011
      # 行名称为5至7的行，即前3行，注意是前闭后闭
df.loc[['5', '7']] 
# 行名称为5和7的行，前第1第3行　
ABCD
50123
7891011

1.2，列

df.loc[:, 'B']   # 列名称为'B‘的列，即第2列，1 5 9 13

5     1
6     5
7     9
8    13
Name: B, dtype: int64

df.loc[:, 'A':'C']    # 列名称为A至C的列，即前3列，注意是前闭后闭
ABC
5012
6456
78910
8121314
df.loc[:, ['A', 'C']] # 列名称为A和C的列，即第1列第3列
AC
502
646
7810
81214

1.3，块

df.loc['5':'7', 'A':'C']       # 行名称为5至7，列名称为A~C的一块数据，即前3行前3列
ABC
5012
6456
78910
df.loc[['5', '7'], ['A', 'C']] # 行名称为5和7，列名称为A和C的一块数据
AC
502
7810
df.loc['5':'7', ['A', 'C']]    # 行名称5至7，列名称A和C的一块数据
AC
502
646
7810
df.loc[['5', '7'], 'A':'C']    # 行名称为5和7，列名称为A~C的一块数据
ABC
5012
78910

1.4，单元格

df.loc['5', 'A']   # 行名称为5，列名称为A的单元格数据

0

df.at['5', 'A']    # 同loc但速度快点

0

2，iloc，行数列数

2.1，行

df.iloc[1]          # 第2行，即行名称为6的行，4 5 6 7

A    4
B    5
C    6
D    7
Name: 6, dtype: int64

df.iloc[0:3]        # 前3行
ABCD
50123
64567
7891011
df.iloc[[0, 3]]     # 第1第4行
ABCD
50123
812131415

2.2，列

df.iloc[:, 1]       # 第2列，即列名称为'B'的列，1 4 9 13

5     1
6     5
7     9
8    13
Name: B, dtype: int64

df.iloc[:, 0:3]     # 前3列
ABC
5012
6456
78910
8121314
df.iloc[:, [0, 3]]  # 第1第4列
AD
503
647
7811
81215

2.3，块

df.iloc[0:3, 0:3]          # 前3行，前3列的一块数据
ABC
5012
6456
78910
df.iloc[[0, 3],  [0, 3]]   # 第1第4行，第1第4列的一块数据
AD
503
81215
df.iloc[0:3, [0, 3]]       # 前3行，第1第4列的一块数据
AD
503
647
7811
df.iloc[[0, 3], 0:3]       # 第1第4行，前3列的一块数据
ABC
5012
8121314

2.4，单元格

df.iloc[1, 1]   # 第1行，第1列的单元格

5

df.iat[1, 1]    # 同iloc但速度快点

5

3，df.ix，行名称列名称/行数列数混合

3.1，行

df.ix['7']    # 单行，下同

/home/xiaohaipeng/.local/lib/python3.5/site-packages/ipykernel_launcher.py:1: DeprecationWarning: 
.ix is deprecated. Please use
.loc for label based indexing or
.iloc for positional indexing

See the documentation here:
http://pandas.pydata.org/pandas-docs/stable/indexing.html#ix-indexer-is-deprecated
  """Entry point for launching an IPython kernel.





A     8
B     9
C    10
D    11
Name: 7, dtype: int64

print(df.ix[2])
df.ix[2].values 

A     8
B     9
C    10
D    11
Name: 7, dtype: int64


/home/xiaohaipeng/.local/lib/python3.5/site-packages/ipykernel_launcher.py:1: DeprecationWarning: 
.ix is deprecated. Please use
.loc for label based indexing or
.iloc for positional indexing

See the documentation here:
http://pandas.pydata.org/pandas-docs/stable/indexing.html#ix-indexer-is-deprecated
  """Entry point for launching an IPython kernel.
/home/xiaohaipeng/.local/lib/python3.5/site-packages/ipykernel_launcher.py:2: DeprecationWarning: 
.ix is deprecated. Please use
.loc for label based indexing or
.iloc for positional indexing

See the documentation here:
http://pandas.pydata.org/pandas-docs/stable/indexing.html#ix-indexer-is-deprecated
  





array([ 8,  9, 10, 11])

df.ix[1: 3]   # 多行，下同

/home/xiaohaipeng/.local/lib/python3.5/site-packages/ipykernel_launcher.py:1: DeprecationWarning: 
.ix is deprecated. Please use
.loc for label based indexing or
.iloc for positional indexing

See the documentation here:
http://pandas.pydata.org/pandas-docs/stable/indexing.html#ix-indexer-is-deprecated
  """Entry point for launching an IPython kernel.
ABCD
64567
7891011
df.ix[[1, 3]]

/home/xiaohaipeng/.local/lib/python3.5/site-packages/ipykernel_launcher.py:1: DeprecationWarning: 
.ix is deprecated. Please use
.loc for label based indexing or
.iloc for positional indexing

See the documentation here:
http://pandas.pydata.org/pandas-docs/stable/indexing.html#ix-indexer-is-deprecated
  """Entry point for launching an IPython kernel.
ABCD
64567
812131415
df.ix['5':'7']

/home/xiaohaipeng/.local/lib/python3.5/site-packages/ipykernel_launcher.py:1: DeprecationWarning: 
.ix is deprecated. Please use
.loc for label based indexing or
.iloc for positional indexing

See the documentation here:
http://pandas.pydata.org/pandas-docs/stable/indexing.html#ix-indexer-is-deprecated
  """Entry point for launching an IPython kernel.
ABCD
50123
64567
7891011
df.ix[['5','7']]

/home/xiaohaipeng/.local/lib/python3.5/site-packages/ipykernel_launcher.py:1: DeprecationWarning: 
.ix is deprecated. Please use
.loc for label based indexing or
.iloc for positional indexing

See the documentation here:
http://pandas.pydata.org/pandas-docs/stable/indexing.html#ix-indexer-is-deprecated
  """Entry point for launching an IPython kernel.
ABCD
50123
7891011
#如果是行/列的名称是int类型时，只能根据行/列名称选，不能根据行数/列数选：
df.index = range(1, 5)
df.ix[1]

/home/xiaohaipeng/.local/lib/python3.5/site-packages/ipykernel_launcher.py:3: DeprecationWarning: 
.ix is deprecated. Please use
.loc for label based indexing or
.iloc for positional indexing

See the documentation here:
http://pandas.pydata.org/pandas-docs/stable/indexing.html#ix-indexer-is-deprecated
  This is separate from the ipykernel package so we can avoid doing imports until





A    0
B    1
C    2
D    3
Name: 1, dtype: int64

df.index = range(11, 15) 
df.ix[2]   # KeyError: 2　

3.2，列

df.ix[:, 'C']   # 单列，下同

/home/xiaohaipeng/.local/lib/python3.5/site-packages/ipykernel_launcher.py:1: DeprecationWarning: 
.ix is deprecated. Please use
.loc for label based indexing or
.iloc for positional indexing

See the documentation here:
http://pandas.pydata.org/pandas-docs/stable/indexing.html#ix-indexer-is-deprecated
  """Entry point for launching an IPython kernel.





11     2
12     6
13    10
14    14
Name: C, dtype: int64

df.ix[:, 2] 

/home/xiaohaipeng/.local/lib/python3.5/site-packages/ipykernel_launcher.py:1: DeprecationWarning: 
.ix is deprecated. Please use
.loc for label based indexing or
.iloc for positional indexing

See the documentation here:
http://pandas.pydata.org/pandas-docs/stable/indexing.html#ix-indexer-is-deprecated
  """Entry point for launching an IPython kernel.





11     2
12     6
13    10
14    14
Name: C, dtype: int64

df.ix[:, 1: 3]   # 多列，下同

/home/xiaohaipeng/.local/lib/python3.5/site-packages/ipykernel_launcher.py:1: DeprecationWarning: 
.ix is deprecated. Please use
.loc for label based indexing or
.iloc for positional indexing

See the documentation here:
http://pandas.pydata.org/pandas-docs/stable/indexing.html#ix-indexer-is-deprecated
  """Entry point for launching an IPython kernel.
BC
1112
1256
13910
141314
df.ix[:, [1, 3]]

/home/xiaohaipeng/.local/lib/python3.5/site-packages/ipykernel_launcher.py:1: DeprecationWarning: 
.ix is deprecated. Please use
.loc for label based indexing or
.iloc for positional indexing

See the documentation here:
http://pandas.pydata.org/pandas-docs/stable/indexing.html#ix-indexer-is-deprecated
  """Entry point for launching an IPython kernel.
BD
1113
1257
13911
141315
df.ix[:, 'A':'C']

/home/xiaohaipeng/.local/lib/python3.5/site-packages/ipykernel_launcher.py:1: DeprecationWarning: 
.ix is deprecated. Please use
.loc for label based indexing or
.iloc for positional indexing

See the documentation here:
http://pandas.pydata.org/pandas-docs/stable/indexing.html#ix-indexer-is-deprecated
  """Entry point for launching an IPython kernel.
ABC
11012
12456
138910
14121314
df.ix[:, ['A','C']]

/home/xiaohaipeng/.local/lib/python3.5/site-packages/ipykernel_launcher.py:1: DeprecationWarning: 
.ix is deprecated. Please use
.loc for label based indexing or
.iloc for positional indexing

See the documentation here:
http://pandas.pydata.org/pandas-docs/stable/indexing.html#ix-indexer-is-deprecated
  """Entry point for launching an IPython kernel.
AC
1102
1246
13810
141214

4，df[]

4.1，行
可以接收行名称或者行数，但必须是切片

df[0:1]
ABCD
110123
df[0:3]      # 前3行
ABCD
110123
124567
13891011
df[1:3]
ABCD
64567
7891011

行数切片时，如果行索引类型为int，则会根据行数来切片，不会根据行名称切片，这点与df.ix不同，例如：

df = pd.DataFrame(np.arange(16).reshape(4, 4), columns=list('ABCD'), index=range(5, 9))
df[5:8]   # Empty DataFrame
ABCD
df[0:3]   # 第1至第3行
ABCD
50123
64567
7891011

4.2，列

只能接收列名称，可以是单个或列表

df[['A','B']]
AB
501
645
789
81213
df['A']        # A列

5     0
6     4
7     8
8    12
Name: A, dtype: int64

#5，df.x

df.A   # A列

5     0
6     4
7     8
8    12
Name: A, dtype: int64
智能学习者
关注
专栏目录
使用Pandas库读取和处理CSV文件的实用指南
windowshht的博客
08-16 99
Pandas是一个开源的Python数据分析库，提供了高效的数据结构和数据分析工具。它的核心数据结构是DataFrame，类似于电子表格或数据库表，适合处理结构化数据。Pandas支持多种数据格式的读取和写入，包括CSV、Excel、SQL等。Pandas库为读取和处理CSV文件提供了强大的工具。通过本文的介绍，你应该能够掌握如何使用Pandas读取CSV文件、处理数据、进行数据分析以及将数据写入CSV文件。希望这篇指南能帮助你在数据分析和数据科学领域更有效地使用Pandas，提升你的编程能力。
解决python使用panda模块处理CSV文件出错：keyword error
有问题或资源连接有缺失的可以私信公众号新潮看世界获取
09-21 772
最近在网上下载了一个csv文件，文件后缀名是.csv，所以我就以为它是csv格式的文件了，结果用Excel打开后，里面全是分号分隔的。后来查了一下csv文件读写，结果发现csv文件的全称是Comma Separated Values，意思就是以逗号分隔的数值格式。最后错误解决，csv格式文件也是表格文件的一种，所以如果用Excel打开的时候不是表格的样子，那么估计就是它的格式有问题了。运行python的panda处理程序，结果提示错误，keyword error，意思就是关键词错误。
Python使用panda处理CSV文件
yuting_sun的博客
12-19 803
最近项目中遇到一些需要处理CSV文件的地方，遇到一些问题，因此做一下总结。 读取CSV import pandas as pd # 读取CSV文件，指定哪些列要被读取进来 data = pd.read_csv(filePath, usecols=['a', 'b']) 选择最后N条数据 data = data.tail(N) ''' 假如选取了最后100条数据，行号从100开始...
pandas处理csv文件
weixin_42361056的博客
11-26 721
解析的csv文件如下： csv文件所在位置：~/Desktop/mycsv.csv 导入包 import pandas as pd import os 读取csv文件 df = pd.read_csv('~/Desktop/mycsv.csv', encoding='utf-8',index_col=0,dtype=str) print("csv文件初始内容：\n",df) 输出内容如下: S137005023-Mac:~ xyt$ python3 '/Users/xyt/Desktop/te
panda处理csv
qq_835911028
09-05 284
import pandas as pd import os root_path = r'C:\Users\Administrator\Desktop'.encode('utf-8') os.chdir(root_path) #加载数据 data = pd.read_csv('商机转化表.csv',engine='python',dtype={'经纪人系统号': object}) print(da...
python pandas读取csv_python引用pandas读写csv文件
weixin_39611072的博客
11-24 199
需求：读取一个csv文件，根据文件内容进行数据处理，将处理结果写入另一个csv文件。实现：用Python导入pandas库，将csv文件读入一个DataFrame，然后将这DataFrame的内容写入另一个csv文件。1. 导入pandas库。numReportCube=0 # 7762. 定义若干变量并赋初值用于后续数据处理。本示例中定义numReportCube用来统计某一种类型的数据的数量，...
panda读取CSV
lsx1_23的博客
08-03 143
11111
python panda处理csv文件删去第一行
06-23
在Python中，使用pandas库处理CSV文件时，如果你想要删除第一行（通常假设这是标题行），你可以直接加载数据，然后选择不将第一行作为DataFrame的索引。以下是一个简单的步骤： ```python import pandas as pd # ...
Python使用pandas处理CSV文件的实例讲解
09-20
3. 处理CSV文件的重要性：CSV（Comma-Separated Values，逗号分隔值）是一种常见的文件格式，用于存储表格数据。它以纯文本的形式表示表格数据，以逗号分隔数值。CSV文件易于读写，是数据交换的一种标准格式，常用于...
python用panda读取csv文件并画图
最新发布
09-20
Python中的Pandas是一个强大的数据处理库，可以方便地读取CSV文件，并能通过Matplotlib等可视化库创建图表。以下是基本步骤： 1. 首先，你需要安装Pandas和Matplotlib库，如果还没有安装，可以使用pip命令： ```...
python excel转csv_python使用pandas处理excel文件转为csv文件的方法示例
weixin_39630735的博客
11-30 297
由于客户提供的是excel文件，在使用时期望使用csv文件格式，且对某些字段内容需要做一些处理，如从某个字段中固定的几位抽取出来，独立作为一个字段等，下面记录下使用acaconda处理的过程；import pandasdf = pandas.read_excel("/***/***.xlsx")df.columns = [内部为你给你的excel每一列自定义的名称]（比如我给我的excel自定义列...
Pandas操作CSV文件的读写实现方法
01-03
（1）、导库 import pandas as pd from pandas import Series （2）、读取csv文件的两种方式 #读取csv文件的两种方式 f = open('E:/建模/第5周/data/ex1.csv') #方法一 df = pd.read_csv(f) print(df) f.close f = open('E:/建模/第5周/data/ex1.csv') #方法二，必须指定分隔符为','，否则会读取失败 df = pd.read_table(f,sep=',') print(df) f.close （2）、根据需要条件读取csv文件 #根据需要
Python 利用pandas处理CSV文件（DataFrame的基础用法）
Vincent的博客
07-09 1万+
pandas是一个第三方数据分析库，其集成了大量的数据分析工具，可以方便的处理和分析各类数据。
使用 pandas 处理 CSV 文件
热门推荐
We choose to go to the moon in this decade and do the other things, not because they are easy, but beacase they are hard.
05-13 1万+
读取 CSV 文件、写入 CSV 文件
pandas与csv的用法笔记
j_starry的博客
08-29 342
使用pandas工具存取数据到csv
pandas操作csv以及可视化操作（实例）
NumberWW的博客
05-05 505
# -*- coding: utf-8 -*- """ @Time : 2022/5/5 10:11 @Author : Mr Wang @FileName: main_usepd.py @SoftWare: PyCharm """ import pandas as pd import numpy as np pd.set_option('display.max_rows', 2000) import matplotlib.pyplot as plt plt.rcParams['font.s...
pandas操作csv
qiqzhang的博客
07-07 582
1.读写 information = open(current_image_dir+"/information.csv",'w')#读写文件 information.write("image,"+"SN,"+"axelindex"+"\n")#写文件 information.close()#关闭文件流 2.添加元素和修改值，查询 df = pd.read_csv(img_path+'\\...
python之pandas数据筛选和csv操作
python学习者的博客
08-02 4349
1. 数据筛选 a b c 0 0 2 4 1 6 8 10 2 12 14 16 3 18 20 22 4 24 26 28 5 30 32 34 6 36 38 40 7 42 44 46 8 48 50 52 9 54 56 58 （1）单条件筛选 df[df['a']>30] # 如果想筛选a列的...
Python 之 Pandas 文件操作和读取 CSV 参数详解
每天进步一点点！
02-27 7965
Pandas 读取文件，CSV 文件读取参数详解。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

智能学习者

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值