精华内容
下载资源
问答
  • 2022-06-03 10:27:13

    import pandas as pd 

    file = pd.read_csv('<file_name>', index_col =0)

    # 读某一行

    # 根据列名

    one_row = file.loc ['行名']

    #根据索引

    one_row = file.iloc [:, i]

    # 读某一列

    # 根据行名

    one_col = file['列名']

    # 根据索引

    one_col = file.iloc [i,  :]


     

     

    更多相关内容
  • 下面小编就为大家分享篇使用pandas读取csv文件的指定方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
  • house_info['price'] 这是读取csv文件时默认的第行索引 3:取两列 house_info[['price',tradetypename']] 取多个也是同理的,注意里面是个list的列表,不然会报错误; 4:增加: house_Info['adress_new']=...
  • Pandas读取csv文件某一列并保存到txt文件中 按道理来说挺简单的,但是却查了好久,本来想利用pandas的api获取某一列的数据,然后写入到文件中,但是写入到文件后出现各种问题,要不程序报错,要不不分行。最后还是...

    Pandas读取csv文件某一列并保存到txt文件中

    按道理来说挺简单的,但是却查了好久,本来想利用pandas的api获取某一列的数据,然后写入到文件中,但是写入到文件后出现各种问题,要不程序报错,要不不分行。最后还是按照之前的那样,获取的之后一个个的添加到之前创建好的list中。

    def save_csv_to_text(filename, csv_name, usecols):
        '''
        读取csv的文件,将指定列转换存到txt文件中,usecols=0 摘要,usecols=1 文章
        '''
        data = pd.read_csv(os.path.join(DATA_ROOT, csv_name), usecols=[usecols])
        data_list = data.values.tolist()
        result = []
        for item in data_list:
            result.append(item[0])
        print("start process {}".format(filename))
        start_time = time.time()
        with open(filename, 'w', encoding='utf-8') as f:
            for item in tqdm(result):
                f.write(item + '\n')
        f.close()
        print("cost time {}".format(time.time() - start_time))
        print('save {} done!'.format(filename))
        print("---------------------")

    在这里tqdm如果想使用的话,导包的时候需要这样导入:

    from tqdm import tqdm
    展开全文
  • 下面给大家介绍下pandas读取CSV文件时查看修改各的数据类型格式,具体内容如下所述: 我们在调bug的时候会经常查看、修改pandas数据的数据类型,今天就总结一下: 1.查看:  Numpy和Pandas的查看方式略有不同,...
  • 今天小编就为大家分享篇python pandas读取csv后,获取标签的方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
  • 使用pandas读取csv文件的指定

    万次阅读 多人点赞 2017-04-15 20:36:03
    根据教程实现了读取csv文件前面的几行数据,一下就想到了是不是可以实现前面几列的数据。经过多番尝试总算试出来了种方法。 之所以想实现读取前面的几列是因为我手头的个csv文件恰好有后面几列没有可用数据,...

    根据教程实现了读取csv文件前面的几行数据,一下就想到了是不是可以实现前面几列的数据。经过多番尝试总算试出来了一种方法。

    之所以想实现读取前面的几列是因为我手头的一个csv文件恰好有后面几列没有可用数据,但是却一直存在着。原来的数据如下:

    GreydeMac-mini:chapter06 greyzhang$ cat data.csv 

    1,name_01,coment_01,,,,

    2,name_02,coment_02,,,,

    3,name_03,coment_03,,,,

    4,name_04,coment_04,,,,

    5,name_05,coment_05,,,,

    6,name_06,coment_06,,,,

    7,name_07,coment_07,,,,

    8,name_08,coment_08,,,,

    9,name_09,coment_09,,,,

    10,name_10,coment_10,,,,

    11,name_11,coment_11,,,,

    12,name_12,coment_12,,,,

    13,name_13,coment_13,,,,

    14,name_14,coment_14,,,,

    15,name_15,coment_15,,,,

    16,name_16,coment_16,,,,

    17,name_17,coment_17,,,,

    18,name_18,coment_18,,,,

    19,name_19,coment_19,,,,

    20,name_20,coment_20,,,,

    21,name_21,coment_21,,,,


    如果使用pandas读取出全部的数据,打印的时候会出现以下结果:

    In [41]: data = pd.read_csv('data.csv')


    In [42]: data

    Out[42]: 

         1  name_01  coment_01  Unnamed: 3  Unnamed: 4  Unnamed: 5  Unnamed: 6

    0    2  name_02  coment_02         NaN         NaN         NaN         NaN

    1    3  name_03  coment_03         NaN         NaN         NaN         NaN

    2    4  name_04  coment_04         NaN         NaN         NaN         NaN

    3    5  name_05  coment_05         NaN         NaN         NaN         NaN

    4    6  name_06  coment_06         NaN         NaN         NaN         NaN

    5    7  name_07  coment_07         NaN         NaN         NaN         NaN

    6    8  name_08  coment_08         NaN         NaN         NaN         NaN

    7    9  name_09  coment_09         NaN         NaN         NaN         NaN

    8   10  name_10  coment_10         NaN         NaN         NaN         NaN

    9   11  name_11  coment_11         NaN         NaN         NaN         NaN

    10  12  name_12  coment_12         NaN         NaN         NaN         NaN

    11  13  name_13  coment_13         NaN         NaN         NaN         NaN

    12  14  name_14  coment_14         NaN         NaN         NaN         NaN

    13  15  name_15  coment_15         NaN         NaN         NaN         NaN

    14  16  name_16  coment_16         NaN         NaN         NaN         NaN

    15  17  name_17  coment_17         NaN         NaN         NaN         NaN

    16  18  name_18  coment_18         NaN         NaN         NaN         NaN

    17  19  name_19  coment_19         NaN         NaN         NaN         NaN

    18  20  name_20  coment_20         NaN         NaN         NaN         NaN

    19  21  name_21  coment_21         NaN         NaN         NaN         NaN


    所说在学习的过程中这并不会给我带来什么障碍,但是在命令行终端界面呆久了总喜欢稍微清爽一点的风格。使用read_csv的参数usecols能够在一定程度上减少这种混乱感。

    In [45]: data = pd.read_csv('data.csv',usecols=[0,1,2,3])


    In [46]: data

    Out[46]: 

         1  name_01  coment_01  Unnamed: 3

    0    2  name_02  coment_02         NaN

    1    3  name_03  coment_03         NaN

    2    4  name_04  coment_04         NaN

    3    5  name_05  coment_05         NaN

    4    6  name_06  coment_06         NaN

    5    7  name_07  coment_07         NaN

    6    8  name_08  coment_08         NaN

    7    9  name_09  coment_09         NaN

    8   10  name_10  coment_10         NaN

    9   11  name_11  coment_11         NaN

    10  12  name_12  coment_12         NaN

    11  13  name_13  coment_13         NaN

    12  14  name_14  coment_14         NaN

    13  15  name_15  coment_15         NaN

    14  16  name_16  coment_16         NaN

    15  17  name_17  coment_17         NaN

    16  18  name_18  coment_18         NaN

    17  19  name_19  coment_19         NaN

    18  20  name_20  coment_20         NaN

    19  21  name_21  coment_21         NaN


    为了能够看到数据的边界,读取的时候显示了第一列无效的数据。正常的使用中,或许我们是想连上面结果中最后一列的信息也去掉的,那只需要在参数重去掉最后一列的列号。

    In [47]: data = pd.read_csv('data.csv',usecols=[0,1,2])


    In [48]: data

    Out[48]: 

         1  name_01  coment_01

    0    2  name_02  coment_02

    1    3  name_03  coment_03

    2    4  name_04  coment_04

    3    5  name_05  coment_05

    4    6  name_06  coment_06

    5    7  name_07  coment_07

    6    8  name_08  coment_08

    7    9  name_09  coment_09

    8   10  name_10  coment_10

    9   11  name_11  coment_11

    10  12  name_12  coment_12

    11  13  name_13  coment_13

    12  14  name_14  coment_14

    13  15  name_15  coment_15

    14  16  name_16  coment_16

    15  17  name_17  coment_17

    16  18  name_18  coment_18

    17  19  name_19  coment_19

    18  20  name_20  coment_20

    19  21  name_21  coment_21

    展开全文
  • 根据教程实现了读取csv文件前面的几行数据,一下就想到了是不是可以实现前面几列的数据。经过多番尝试总算试出来了种方法。之所以想实现读取前面的几列是因为我手头的个csv文件恰好有后面几列没有可用数据,但是...

    根据教程实现了读取csv文件前面的几行数据,一下就想到了是不是可以实现前面几列的数据。经过多番尝试总算试出来了一种方法。

    之所以想实现读取前面的几列是因为我手头的一个csv文件恰好有后面几列没有可用数据,但是却一直存在着。原来的数据如下:

    GreydeMac-mini:chapter06 greyzhang$ cat data.csv

    1,name_01,coment_01,,,,

    2,name_02,coment_02,,,,

    3,name_03,coment_03,,,,

    4,name_04,coment_04,,,,

    5,name_05,coment_05,,,,

    6,name_06,coment_06,,,,

    7,name_07,coment_07,,,,

    8,name_08,coment_08,,,,

    9,name_09,coment_09,,,,

    10,name_10,coment_10,,,,

    11,name_11,coment_11,,,,

    12,name_12,coment_12,,,,

    13,name_13,coment_13,,,,

    14,name_14,coment_14,,,,

    15,name_15,coment_15,,,,

    16,name_16,coment_16,,,,

    17,name_17,coment_17,,,,

    18,name_18,coment_18,,,,

    19,name_19,coment_19,,,,

    20,name_20,coment_20,,,,

    21,name_21,coment_21,,,,

    如果使用pandas读取出全部的数据,打印的时候会出现以下结果:

    In [41]: data = pd.read_csv('data.csv')

    In [42]: data

    Out[42]:

    1 name_01 coment_01 Unnamed: 3 Unnamed: 4 Unnamed: 5 Unnamed: 6

    0 2 name_02 coment_02 NaN NaN NaN NaN

    1 3 name_03 coment_03 NaN NaN NaN NaN

    2 4 name_04 coment_04 NaN NaN NaN NaN

    3 5 name_05 coment_05 NaN NaN NaN NaN

    4 6 name_06 coment_06 NaN NaN NaN NaN

    5 7 name_07 coment_07 NaN NaN NaN NaN

    6 8 name_08 coment_08 NaN NaN NaN NaN

    7 9 name_09 coment_09 NaN NaN NaN NaN

    8 10 name_10 coment_10 NaN NaN NaN NaN

    9 11 name_11 coment_11 NaN NaN NaN NaN

    10 12 name_12 coment_12 NaN NaN NaN NaN

    11 13 name_13 coment_13 NaN NaN NaN NaN

    12 14 name_14 coment_14 NaN NaN NaN NaN

    13 15 name_15 coment_15 NaN NaN NaN NaN

    14 16 name_16 coment_16 NaN NaN NaN NaN

    15 17 name_17 coment_17 NaN NaN NaN NaN

    16 18 name_18 coment_18 NaN NaN NaN NaN

    17 19 name_19 coment_19 NaN NaN NaN NaN

    18 20 name_20 coment_20 NaN NaN NaN NaN

    19 21 name_21 coment_21 NaN NaN NaN NaN

    所说在学习的过程中这并不会给我带来什么障碍,但是在命令行终端界面呆久了总喜欢稍微清爽一点的风格。使用read_csv的参数usecols能够在一定程度上减少这种混乱感。

    In [45]: data = pd.read_csv('data.csv',usecols=[0,1,2,3])

    In [46]: data

    Out[46]:

    1 name_01 coment_01 Unnamed: 3

    0 2 name_02 coment_02 NaN

    1 3 name_03 coment_03 NaN

    2 4 name_04 coment_04 NaN

    3 5 name_05 coment_05 NaN

    4 6 name_06 coment_06 NaN

    5 7 name_07 coment_07 NaN

    6 8 name_08 coment_08 NaN

    7 9 name_09 coment_09 NaN

    8 10 name_10 coment_10 NaN

    9 11 name_11 coment_11 NaN

    10 12 name_12 coment_12 NaN

    11 13 name_13 coment_13 NaN

    12 14 name_14 coment_14 NaN

    13 15 name_15 coment_15 NaN

    14 16 name_16 coment_16 NaN

    15 17 name_17 coment_17 NaN

    16 18 name_18 coment_18 NaN

    17 19 name_19 coment_19 NaN

    18 20 name_20 coment_20 NaN

    19 21 name_21 coment_21 NaN

    为了能够看到数据的"边界”,读取的时候显示了第一列无效的数据。正常的使用中,或许我们是想连上面结果中最后一列的信息也去掉的,那只需要在参数重去掉最后一列的列号。

    In [47]: data = pd.read_csv('data.csv',usecols=[0,1,2])

    In [48]: data

    Out[48]:

    1 name_01 coment_01

    0 2 name_02 coment_02

    1 3 name_03 coment_03

    2 4 name_04 coment_04

    3 5 name_05 coment_05

    4 6 name_06 coment_06

    5 7 name_07 coment_07

    6 8 name_08 coment_08

    7 9 name_09 coment_09

    8 10 name_10 coment_10

    9 11 name_11 coment_11

    10 12 name_12 coment_12

    11 13 name_13 coment_13

    12 14 name_14 coment_14

    13 15 name_15 coment_15

    14 16 name_16 coment_16

    15 17 name_17 coment_17

    16 18 name_18 coment_18

    17 19 name_19 coment_19

    18 20 name_20 coment_20

    19 21 name_21 coment_21

    以上这篇使用pandas读取csv文件的指定列方法就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持脚本之家。

    展开全文
  • pandas.read_csv读取本地csv文件为数据框形式 data=pd.read_csv('G:\data_operation\python_book\chapter5\\sales.csv') 第二:如果存在日期格式数据,利用pandas.to_datatime()改变类型 data.iloc[:,1]=pd....
  • Pandas Python读取CSV文件中的某一列

    万次阅读 2017-09-28 16:47:52
    本人菜鸟一枚,刚刚接触Python,也不是专门研究Python的,但是在处理数据的时候需要用到,就...#括号中第一个参数是读取文件的路径,第二个参数是读取csv文件中的某一列,2代表第三列 2.输出csv文件 address.to_cs
  • Python Pandas 读取CSV文件指定行或

    万次阅读 多人点赞 2019-10-18 10:35:34
    原始csv文件 # 按位置进行选取 # 获取原始数据 df = pd.read_csv("./test.csv") # 第1行 print(df.iloc[0]) # 前3行 print(df.iloc[:3]) # 第1 print(df.iloc[:, 0]) # 前2 print(df.iloc[:, :2]) ...
  • 最近在网上找了个数据集,原始数据为txt文件,就想着利用pandas将txt文件转为csv文件,然后给csv文件加上列名之后统计第二中各个值出现的次数 首先是将txt文件转为csv文件,代码如下: import csv out = open...
  • Python Pandas读取CSV文件指定行或

    千次阅读 2020-09-21 15:38:53
    https://blog.csdn.net/Joker_LCL/article/details/102620786?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.channel_param&depth_1-utm_source=distribute.pc_relevant...
  • Pandas读取csv文件,数组去重,nan值处理,根据分类生成多个csv
  • 今天小编就为大家分享pandas读取csv文件,分隔符参数sep的实例,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
  • Pandas修改csv文件某一列的值

    万次阅读 2018-07-11 16:52:27
    1. 通过pandas读取csv文件 2. 获取某一列的值并进行类型转换 3. 通过apply方法中的匿名函数进行数据的处理 4. 输出到原始文件中 import pandas as pd data = pd.read_csv('price.csv',encoding='utf-8', ) ...
  • Pandas读取csv并新增一列数据

    万次阅读 2020-12-22 12:39:48
    1.在原始数据上新增一列数据 原始数据字段有:学号(snao),姓名(sanem),年龄(age): 新增数据,新增一列分数字段:分数(sresult) : (1)我们首先创建并写入原始数据 代码如下: import pandas as pd # 导入...
  • 有时我们在用pandas读取一个不知道什么格式的csv文件时,会出现如下情况, >>> import pandas as pd >>> df = pd.read_csv(r'C:\Users\songyuxue\Desktop\12.csv',encoding='gbk',sep='\t') >&...
  • 关于pandas读取CSV文件出现空问题

    千次阅读 2020-02-27 12:22:52
    题目背景出自龙龙老师的...加载数据用到了pandas.read_csv()。 书中的代码如下: 但是在ipyhton下运行结果出现大量空并且列名与数据不匹配 解决方案: 在读取文件时将skipinitialspace参数设置为True即可 ...
  • Pandas读取csv

    千次阅读 2022-01-24 21:44:06
    对于文件的操作中,读写csv操作是个比较常见的操作,很多时候可能会选择使用python中的文件读取的方式对csv文件操作,这种方式并没有什么问题,但读写的效率不高,编写的代码量也偏多。 这里介绍使用pandas进行...
  • Pandas读取CSV文件

    2021-03-12 17:27:44
    Pandas读取CSV文件准备工作CSV文件自带标题直接读出不更改标题名把原标题替换成自已的标题CSV文件无自带标题读出数据系统自动给编号给添加标题总结 准备工作 在任意文件夹下建个CSV文件,如图下所示。...
  • 1. 导入常用包 import pandas as pd import numpy as np import matplotlib.pyplot as plt ...2. 文件读取 data = pd.read_csv('./数据集/北京空气_2010.1.1-2014.12.31.csv') 3. 查看有哪些 data.head()
  • 原标题:numpy和pandas实战:文件夹CSV文件中的第一列数据前几天有个小伙伴问了一个问题,关于Python读取文件夹下多个CSV文件中的第一列数据并求其最大值和最小值,大家讨论的还是相当激烈的啊,这里总结两个方法,...
  • import pandas as pd import numpy as np COLUMN_NAMES = ["SepalLength", "SepalWidth", "PetalLength", "PatalWidth", "Species"] # 读取csv文件为 DataFrame df_iris = pd.read_csv( r"C:\Users\xiahuadong\....
  • Pandas读取.csv文件

    万次阅读 2021-05-26 14:15:27
    r ),data.tail( r )分别返回开头r行和末尾r行数据data.shape返回数据尺寸data.dtypes返回每个属性的数据类型data.values 返回ndarray类型的对象data.nunique()返回每一列中是唯一值的个数data.index返回行索引data....

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 24,972
精华内容 9,988
关键字:

pandas读取csv文件某一列

友情链接: QSentFont.rar