CSV 파일을 Pandas DataFrame으로 가져 오기

Question 1

CSV 파일에서 pandas DataFrame 으로 읽는 Python 방법은 무엇입니까 (그런 다음 통계 작업에 사용할 수 있고 다른 유형의 열 등을 가질 수 있음)?

내 CSV 파일 "value.txt"에는 다음 내용이 있습니다.

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

R에서는 다음을 사용하여이 파일을 읽습니다.

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

그러면 R data.frame이 반환됩니다.

> 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

동일한 기능을 얻는 Pythonic 방법이 있습니까?

Question 2

구출에 판다 :

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

.NET 과 유사한 pandas DataFrame 을 반환 합니다 R's.

Question 3

CSV 파일을 pandas DataFrame으로 읽으려면 pd.read_csv.

그러나 이것은 이야기가 끝나는 곳이 아닙니다. 데이터는 다양한 형식으로 존재하며 다양한 방식으로 저장되므로 read_csv데이터를 제대로 읽어 오기 위해 추가 매개 변수를 전달해야하는 경우가 많습니다 .

다음은 사용해야하는 적절한 인수와 함께 CSV 파일에서 발생하는 일반적인 시나리오를 나열한 표입니다. 읽을 아래 당신은 일반적으로 인수의 전부 또는 일부 조합이 필요합니다 사용자의 데이터입니다.

┌──────────────────────────────────────────────────────────┬─────────────────────────────┬────────────────────────────────────────────────────────┐
│  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=',')             │
└──────────────────────────────────────────────────────────┴─────────────────────────────┴────────────────────────────────────────────────────────┘

각주
기본적으로 read_csv성능을 위해 C 파서 엔진을 사용합니다. C 구문 분석기는 단일 문자 구분 기호 만 처리 할 수 있습니다. CSV에 여러 문자 구분 기호가있는 경우 'python'엔진 을 사용하려면 코드를 수정해야합니다 . 정규식을 전달할 수도 있습니다.
df = pd.read_csv(..., sep=r'\s*\|\s*', engine='python')
UnicodeDecodeError데이터가 하나의 인코딩 형식으로 저장되었지만 호환되지 않는 다른 형식으로 읽 혔을 때 발생합니다. 가장 일반적인 인코딩 체계는 'utf-8'및이며 'latin-1', 데이터는이 중 하나에 적합합니다.

header=FalseCSV의 첫 번째 행이 헤더 행이 아니라 데이터 행 names=[...]임을 지정하고을 사용하면 생성 될 때 DataFrame에 할당 할 열 이름 목록을 지정할 수 있습니다.
"Unnamed : 0"은 이름이 지정되지 않은 인덱스가있는 DataFrame이 CSV에 저장되고 나중에 다시 읽을 때 발생합니다. 읽는 동안 문제를 해결하는 대신 다음을 사용하여 글을 쓸 때 문제를 해결할 수도 있습니다.
df.to_csv(..., index=False)

여기에서 언급하지 않은 다른 주장이 있지만 가장 자주 접하게 될 주장입니다.

Question 4

다음은 Python의 기본 제공 csv 모듈을 사용하는 pandas 라이브러리의 대안 입니다.

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

인쇄됩니다

{'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']}

Question 5

import pandas as pd
df = pd.read_csv('/PathToFile.txt', sep = ',')

그러면 .txt 또는 .csv 파일을 DataFrame으로 가져옵니다.

Question 6

이 시도

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

파일 대상 위치를 데이터 세트가있는 위치로 바꾸고 https://medium.com/@kanchanardj/jargon-in-python-used-in-data-science-to-laymans-language-part- URL을 참조하십시오. 1-12ddfd31592f

Question 7

%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

Question 8

python 표준 라이브러리에 있는 csv 모듈을 사용하여 CSV 파일을 조작 할 수 있습니다.

예:

import csv
with open('some.csv', 'rb') as f:
    reader = csv.reader(f)
    for row in reader:
        print row

Question 9

팬더를 pd
데이터 세트 로 가져 오기 = pd.read_csv ( '/ home / nspython / Downloads / movie_metadata1.csv')

Question 10

아주 깔끔하지만 :

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

콤팩트하지는 않지만 작업을 수행합니다.

   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