【Python】用pandas库实现取出csv表格的指定行列

一、pd.read_csv() 、to_csv() 之 常用参数
参考自:https://www.cnblogs.com/wyy1480/p/10322336.html
或查看https://blog.csdn.net/weixin_44056331/article/details/89366105
(一)pd.read_csv()
作用:将csv文件读入并转化为数据框形式
1.filepath_or_buffer:(这是唯一一个必须有的参数,其它都是按需求选用的)
文件所在处的路径

2.sep
指定分隔符,默认为逗号’,’

3.delimiter : str, default None
定界符,备选分隔符(如果指定该参数,则sep参数失效)

4.header:int or list of ints, default ‘infer’
指定哪一行作为表头。默认设置为0(即第一行作为表头),如果没有表头的话,要修改参数,设置 header=None

5.names
指定列的名称,用列表表示。一般我们没有表头,即header=None时,这个用来添加列名就很有用啦!

6.index_col:
指定哪一列数据作为行索引,可以是一列,也可以多列。多列的话,会看到一个分层索引

7.prefix:
给列名添加前缀。如prefix=“x”,会出来"x1"、“x2”、"x3"酱纸

8.nrows : int, default None
需要读取的行数(从文件头开始算起)

9.encoding:
乱码的时候用这个就是了,官网文档看看用哪个:
[ https://docs.python.org/3/library/codecs.html#standard-encodings]

10.skiprows : list-like or integer, default None
需要忽略的行数(从文件开始处算起),或需要跳过的行号列表(从0开始)。
(二)to_csv()
作用:将数据框写入本地电脑,保存起来
参数解析:
1.path_or_buf:字符串,放文件名、相对路径、文件流等;

2.sep:字符串,分隔符,跟read_csv()的一个意思

3.na_rep:字符串,将NaN转换为特定值

4.columns:列表,指定哪些列写进去

5.header:默认header=0,如果没有表头,设置header=None,表示我没有表头呀!

6.index:关于索引的,默认True,写入索引
二、实现取出csv表格的指定行列
参考自:https://blog.csdn.net/qq_22592457/article/details/107801286

list_a = np.arange(2)
df = pd.read_csv('qunar_freetrip.csv',index_col=0,nrows=2,usecols=list_a)

运行结果:
在这里插入图片描述

  • 2
    点赞
  • 17
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
### 回答1: 使用PythonPandas读取CSV文件可以通过以下步骤完成: 1.首先,确保您已经安装了Pandas。您可以在终端中使用以下命令来安装: ``` pip install pandas ``` 2.在您的Python脚本中导入Pandas: ``` import pandas as pd ``` 3.使用Pandas中的read_csv()函数来读取CSV文件。例如,如果您的CSV文件名为"data.csv",您可以使用以下代码读取它: ``` df = pd.read_csv('data.csv') ``` 其中,"df"是一个Pandas数据框(DataFrame)对象,它将包含CSV文件中的数据。 如果您的CSV文件不是使用逗号作为分隔符的,您可以通过指定分隔符来读取它。例如,如果您的CSV文件使用制表符作为分隔符,您可以使用以下代码读取它: ``` df = pd.read_csv('data.csv', sep='\t') ``` 通过以上步骤,您就可以使用Pandas读取CSV文件了。 ### 回答2: Python是一种非常强大的编程语言,而Pandas则是其中的一个非常重要的工具。Pandas是一种用于数据操作和分析的Python,也是Python中最流行的数据分析和数据处理之一。Pandas可以读取多种格式的数据文件,其中包括CSV文件。本篇文章将详细说明如何使用Python中的Pandas读取CSV文件。 1. 安装Pandas 使用Pandas需要先安装Pandas。可以打开Python安装器,使用pip等命令行工具安装Pandas。 2. 导入CSV文件: 读取CSV文件需要使用 Pandas 中的 read_csv() 函数。首先,需要将Pandas导入Python代码中。 ``` import pandas as pd ``` 3. 读取CSV文件 接着,使用 Pandas 中的 read_csv() 函数来读取 CSV 文件。read_csv() 函数的调用方式如下: ``` df = pd.read_csv('filename.csv') ``` 其中,df是读取到的数据,是一个 DataFrame 对象。'filename.csv'是需要读取CSV文件的文件名。如果CSV文件不在当前目录,需要将其路径加入文件名中,如'path\to\filename.csv'。 4. 预览数据 可以使用 head() 函数来预览数据的前几行。head() 函数的调用方式如下: ``` df.head() ``` 5. 数据处理 读取到的数据在进行数据处理时需要进行一些操作。 统计数据描述信息,使用 describe() 函数,如: ``` df.describe() ``` 根据列名索引数据,使用 loc() 函数,如: ``` df.loc[:,['col_name1','col_name2']] ``` 使用 iloc() 函数来根据具体位置进行数据的索引: ``` df.iloc[[1,3,5], [1,3]] ``` 6. 存储CSV文件 使用 Pandas 中的 to_csv() 方法来存储 CSV 文件。to_csv() 方法的调用方式如下: ``` df.to_csv('filename.csv') ``` 其中'filename.csv'为存储CSV文件的文件名。同样,如果需要将文件存储到其他目录下,则需要将文件路径添加到文件名中,如'path\to\filename.csv'。 以上就是如何使用 PythonPandas 读取 CSV 文件的全部内容。 ### 回答3: PandasPython语言中非常流行的之一,用于数据处理和分析。它允许将结构化数据表示为DataFrame,并提供了许多用于数据操作和转换的工具。因此,Pandas是处理CSV文件的非常好的工具。 要使用Pandas读取CSV文件,需要首先导入Pandas。为此可以使用以下代码: ``` import pandas as pd ``` 上述代码导入Pandas指定别名为pd,这是一种常用的方法。 接下来,可以通过使用read_csv方法从CSV文件中读取数据,并将其存储在DataFrame中。以下是一个读取CSV文件的示例代码: ``` df = pd.read_csv('data.csv') ``` 上述示例将名为data.csv的文件读取到名为df的DataFrame中。如果CSV文件具有标题行,则Pandas将使用该行作为DataFrame的列名称。否则,可以通过传递header参数指定列名称。 可以使用head()方法查看DataFrame的前几行: ``` print(df.head()) ``` 可以使用shape属性获取数据帧的形状(行和列数): ``` print(df.shape) ``` 可以使用describe()方法来获取有关所有数字列的基本统计信息: ``` print(df.describe()) ``` 上述示例输出数据帧的统计信息,包括计数,平均值,标准差,最小值,25%,50%,75%和最大值。 还可以使用列名称或索引来访问数据帧的特定列: ``` print(df['column_name']) ``` 最后,当完成CSV文件的处理后,可以使用to_csv()方法将数据帧写回到CSV文件中: ``` df.to_csv('new_data.csv', index=False) ``` 上述示例代码将数据帧写回名为new_data.csv的新文件中,并将索引列从文件中删除(index=False)。如果不指定该参数,则默认情况下Pandas将索引列写入CSV文件。 综上所述,Pandas提供了很多工具来方便地处理CSV文件。学习如何使用Pandas读取和操作CSV文件可以大大提高数据处理的效率。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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