[转载] pythonpandas读取csv文件最后一行_简单小案例(一)：使用Pandas在Python中读取和写入CSV文件...

参考链接： 使用Pandas在Python中读写CSV文件

前期文章链接：

 YOLOv3论文

 https://arxiv.org/pdf/1804.02767.pdf

 正文：

 有许多方法可以在Python中读写CSV文件。有几种不同的方法，例如，您可以使用Python的内置open()函数来读取CSV(逗号分隔值)文件，或者可以使用Python的专用csv模块来读取和写入CSV文件。根据您的用例，您还可以使用Python的Pandas库读取和写入CSV文件。

 在本文中，您将看到如何使用Python的Pandas库读取和写入CSV文件。但是，在此之前，让我们简要地看看什么是CSV文件。

 什么是CSV文件？

 CSV文件只不过是一个简单的文本文件。但是，这是存储表格数据的最常见，最简单和最简单的方法。这种特定格式通过遵循分为行和列的特定结构来排列表。这些行和列包含您的数据。每行都以新行终止，以开始下一行。同样，逗号(也称为定界符)分隔每行中的列。

 以下表为例：

 | City | State | Capital | Population |

 | ------------ | ------------ | ------- | ------------- |

 | Philadelphia | Pennsylvania | No | 1.581 Million |

 | Sacramento | California | Yes | 0.5 Million |

 | New York | New York | No | 8.623 Million |

 | Austin | Texas | Yes | 0.95 Million |

 | Miami | Florida | No | 0.463 Million |

 现在，如果我们以CSV格式表示，则上表将如下所示：

 City, State, Capital, Population

 Philadelphia, Pennsylvania, No, 1.581 Million

 Sacramento, California, Yes, 0.5 Million

 New York, New York, No, 8.623 Million

 Austin, Texas, Yes, 0.95 Million

 Miami, Florida, No, 0.463 Million

 如您所见，逗号将每一行中的列中的所有值分隔开。但是，您也可以使用其他符号(例如，分号(;))作为分隔符。表格的每一行都会变成CSV文件的新行。CSV格式的核心目的是帮助您紧凑简洁地呈现表格数据。

 既然您已经了解了什么是CSV文件，那么该研究一下如何使用Pandas的read_csv()方法读取Python中的CSV文件了。

 使用熊猫读取和写入CSV文件

 Pandas是一个非常强大且流行的数据分析和处理框架。熊猫最引人注目的功能之一就是它具有读写各种类型的文件(包括CSV和Excel)的能力。您可以使用read_csv()和功能，轻松有效地在熊猫中操作CSV文件to_csv()。

 安装熊猫

 在使用框架之前，我们必须先安装Panda。安装Pandas的最简单方法之一就是安装Anaconda。它是跨平台的Python发行版，用于执行Python计算和数据分析之类的任务。一旦安装了Anaconda，您将无需任何其他操作即可访问Pandas和其他库(例如SciPy和NumPy)。

 此外，您还可以通过pip installer安装Pandas，如下所示：

 $ pip install pandas

 使用read_csv()读取CSV文件

 完成安装后，您可以使用该read_csv()功能读取CSV文件。我们将尝试读取“ titanic.csv”文件，该文件可以从此链接下载。

 首先，我们必须导入Pandas库：

 import pandas as pd

 现在，我们使用以下代码行实际读取和解析文件：

 titanic_data = pd.read_csv('titanic.csv')

 当我们执行此代码时，它将从当前目录读取CSV文件“ titanic.csv”。您可以从上面的脚本中看到，要读取CSV文件，您必须将文件路径传递给read_csv()Pandas库的方法。read_csv()然后，该方法返回一个包含CSV文件数据的Pandas DataFrame。

 您可以通过head()Pandas DataFrame的方法显示CSV文件的前五行，如下所示：

 titanic_data.head()

 输出：

  

 您还可以通过简单地将资源的URL传递给read_csv()方法来从在线资源中读取CSV文件。让我们阅读位于远程GitHub存储库上的“ titanic.csv”文件。

 import pandas as pd

 titanic_data = pd.read_csv(r'https://raw.githubusercontent.com/datasciencedojo/datasets/master/titanic.csv')

 默认情况下，该read_csv()方法将CSV文件第一行中的值视为列标题。但是，您可以在通过以下read_csv()方法读取文件时传递自定义标头名称：

 import pandas as pd

 col_names = ['Id',

 'Survived',

 'Passenger Class',

 'Full Name',

 'Gender',

 'Age',

 'SibSp',

 'Parch',

 'Ticket Number',

 'Price', 'Cabin',

 'Station']

 titanic_data = pd.read_csv(r'D:\Datasets\titanic.csv', names=col_names, header=None)

 要读取带有自定义标题的CSV文件，您需要将自定义列名称的列表传递给方法的names属性read_csv()。如果要覆盖默认的标头名称，则可以传递header=None关键字参数。

 现在，让我们看一下在上一个示例中读取的“ titanic.csv”文件的标题名称。

 titanic_data.head()

 输出：

  

 在这里，您可以在DataFrame的输出中看到自定义标头。

 使用to_csv()编写CSV文件

 通过熊猫创建或写入CSV文件的过程可能比读取CSV稍微复杂一些，但仍然相对简单。我们使用该to_csv()函数来执行此任务。但是，您必须先创建一个Pandas DataFrame，然后将其写入CSV文件。

 列名也可以通过关键字参数指定，也可以通过参数指定columns不同的分隔符sep。同样，默认定界符为逗号“，”。

 这是一个简单的示例，显示了如何通过以下方式将DataFrame导出到CSV文件to_csv()：

 import pandas as pd

 city = pd.DataFrame([['Sacramento', 'California'], ['Miami', 'Florida']], columns=['City', 'State'])

 city.to_csv('city.csv')

 在上面的示例中，我们创建了一个名为的DataFrame city。随后，我们使用该to_csv()函数将该DataFrame写入了名为“ city.csv”的文件中。生成的CSV文件应具有以下内容：

 City,State

 Sacramento,California

 Miami,Florida

 CSV文件包含我们的自定义标头，后跟我们创建的DataFrame中包含的两行数据。

 结论

 本文介绍了如何使用Python的Pandas库读取和写入CSV文件。要读取CSV文件，请read_csv()使用Pandas库的方法。您还可以通过方法的names属性在读取CSV文件时传递自定义标题名称read_csv()。最后，要使用Pandas编写CSV文件，您首先必须创建一个Pandas DataFrame对象，然后to_csv在DataFrame上调用方法。