Python Pandas处理csv文件常用示例

目录

• 常识
• 操作

常识

• 使用pandas.read_csv从csv文件中读取数据，对于csv中缺失的空值，读进dataframe编程客栈会自动补为numpy.nan，且数据类型为float

操作

• 读取csv文件，存储为dataframe数据类型

df = pandas.read_csv(csjavascriptv_path)

• 查看csv文件的dataframe的所有列字段名

print(df.columns)

• 按行遍历dataframe

for row in df.itertuples():

可以用row.column_name访问该行具体的列（column_name无需加引号）

• 删除dataframe的指定整列数据

df =javascript df.drop(['city', 'region', 'iso_country_code'], axis=1)
# 删除列 'city', 'region', 'iso_country_code'
# 这里的删除其实并没有对df本身作出任何改变，而是将df进行拷贝，将拷贝的副本进行了列删除操作，所以这里一定要赋值给一个新的df，仅仅用df.drop并不能改变df

• 根据某个字段的值的集合条件筛选出符合条件的目标行，以构成新dataframe

# 使用isin()方法筛选匹配的行
new_df = df[df['placekey'].isin(mht_poi_list)]
# 筛选出df中 placekey字段的值在列表mht_poi_list中的记录行，以构成一个新dataframe new_df
new_df = new_df.reset_indexhttp://www.devze.com(drop=True)
# 经过筛选而得到的dataframe索引很乱，不连续，这里的操作是在重排索引

• 往dataframe指定位置插入一整列

df.insert(loc=6, column='top_category_id', value=cate1_ids)
# loc 位置
# column 列名
# value 数据来源 （这里一般我习惯用list，要求list的长度要与dataframjavascripte的行数目一致）

• 将dataframe数据写入csv文件

df.to_csv(csv_path, index=False)  # 不把行索引信息写入csv文件
df.to_csv(csv_path, index=True)  # 把行索引信息写入csv文件

• 使用list构建dataframe

df = pandas.DataFrame(data, columns=['head', 'relation', 'tail'])
# data是一个list，data这个list里面的元素也是一个个list，每一个list表示一行数据
# columns 表示列名 
# data里面的list中的元素放置位置要与columns一致

到此这篇关于python Pandas处理csv文件常用示例的文章就介绍到这了,更多相关Pandas处理csv内容请搜索编程客栈(www.devze.com)以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程客栈(www.devze.com)！