目录

第二章（pandas）

Python数据处理从零开始----第二章（pandas）①删除列

Python数据处理从零开始----第二章（pandas）②处理缺失数据

Python数据处理从零开始----第二章（pandas）③数据标准化（1）

Python数据处理从零开始----第二章（pandas）④数据合并和处理重复值

Python数据处理从零开始----第二章（pandas）⑤pandas与R

Python数据处理从零开始----第二章（pandas）⑥相关性分析

Python数据处理从零开始----第二章（pandas）⑦pandas读写csv文件(1)

===============================================

这一节我们将学习如何使用Python和Pandas中的逗号分隔（CSV）文件。 我们将概述如何使用Pandas将CSV加载到dataframe以及如何将dataframe写入CSV。

在第一部分中，我们将通过示例介绍如何读取CSV文件，如何从CSV读取特定列，如何读取多个CSV文件以及将它们组合到一个数据帧，以及最后如何转换数据 根据特定的数据类型（例如，使用Pandas read_csv dtypes）。

• Pandas从文件导入CSV
  在这个Pandas读取CSV教程的第一个例子中，我们将使用read_csv将CSV加载到与脚本位于同一目录中的数据帧。 如果我们将文件放在另一个目录中，我们必须记住添加文件的完整路径。 这是第一个非常简单的Pandas read_csv示例：

df = pd.read_csv('amis.csv')
df.head()

image.png

• Pandas从URL读取CSV
  在下一个read_csv示例中，我们将从URL读取相同的数据。 我们只是将URL作为read_csv方法中的第一个参数，这非常简单：

url_csv = 'https://vincentarelbundock.github.io/Rdatasets/csv/boot/amis.csv'
df = pd.read_csv(url_csv)

从上图中可以看出，我们得到一个名为'Unamed：0'的列。 我们还可以看到它包含数字。 因此，我们可以将此列用作索引列。 在下一个代码示例中，我们将使用Pandas read_csv和index_col参数。 此参数可以采用整数或序列。 在我们的例子中，我们将使用整数0，我们将获得更好的数据帧：

df = pd.read_csv(url_csv, index_col=0)
df.head()

image.png

index_col参数也可以以字符串作为输入，现在我们将使用不同的数据文件。 在下一个示例中，我们将CSV读入Pandas数据帧并使用idNum列作为索引。

csv_url = 'http://vincentarelbundock.github.io/Rdatasets/csv/carData/MplsStops.csv'
df = pd.read_csv(csv_url, index_col='idNum')
df.iloc[:, 0:6].head()

注意，为了得到上面的输出，我们使用Pandas iloc来选择前7行。 这样做是为了获得更容易说明的输出。