Operações de IO do Pandas

Exemplo de operação IO do Pandas

As duas principais funções para ler arquivos de texto são read_csv() e read_table(). Ambos usam o mesmo código de parsing para converter dados de tabela inteligentemente em objetos DataFrame:

　pandas.read_csv(filepath_or_buffer, sep=',', delimiter=None, header='infer',
　names=None, index_col=None, usecols=None

　pandas.read_csv(filepath_or_buffer, sep='\t', delimiter=None, header='infer',
　names=None, index_col=None, usecols=None

Salve esses dados como temp.csv e operate neles.

　N.º,Nome,Idade,Cidade,Salário
　1,Tom,28,Toronto,20000
　2,Lee,32,HongKong,3000
　3,Steven,43,Bay Area,8300
　4,Ram,38,Hyderabad,3900

read.csv

read.csv lê dados de um arquivo csv e cria um objeto DataFrame.

　import pandas as pd
　df = pd.read_csv("temp.csv")
　print df

Os resultados da execução são os seguintes:

N.º		Nome	Idade		Cidade	Salário
0　　　　　1　　　　　　Tom　　　　28　　　　Toronto　　　　20000
1　　　　　2　　　　　　Lee　　　　32　　　Hong Kong　　　　　3000
2　　　　　3　　　Steven　　　　43　　　Bay Area　　　　　8300
3　　　　　4　　　　　　Ram　　　　38　　Hyderabad　　　　　3900

Índice personalizado

Isso especificará uma coluna no arquivo csv para usar index_col para definir o índice personalizado.

　import pandas as pd
　df = pd.read_csv("temp.csv", index_col=['N.º'])
　print df

Os resultados da execução são os seguintes:

N.º	Nome	Idade		Cidade	Salário
1　　　　　　　Tom　　　　28　　　　Toronto　　　　20000
2　　　　　　　Lee　　　　32　　　Hong Kong　　　　　3000
3　　　　Steven　　　　43　　　Bay Area　　　　　8300
4　　　　　　　Ram　　　　38　　Hyderabad　　　　　3900

Conversor

O dtype da coluna pode ser passado como dicionário.

　import pandas as pd
　df = pd.read_csv("temp.csv", dtype={'Salary': np.float}64)
　print(df.dtypes)

Os resultados da execução são os seguintes:

N.º		int64
Nome		objeto
Idade		int64
Cidade		objeto
Salário	float64
dtype: objeto

Por padrão, o dtype da coluna Salário é int, mas ele é exibido como float, porque explicitamente convertimos o tipo. Portanto, os dados parecem ser float.

Portanto, os dados parecem ser float −

　　　N.º	Nome	Idade		Cidade	Salário
0　　　1　　　　　Tom　　　28　　　　Toronto　　　20000.0
1　　　2　　　　　Lee　　　32　　　Hong Kong　　　　3000.0
2　　　3　　Steven　　　43　　　Bay Area　　　　8300.0
3　　　4　　　　　Ram　　　38　　Hyderabad　　　　3900.0

Nome do Cabeçalho

Use o parâmetro names para especificar o nome do cabeçalho.

　import pandas as pd
　　
　df=pd.read_csv("temp.csv", names=['a', 'b', 'c','d','e'])
　print df

Os resultados da execução são os seguintes:

　　　a b c d e
0 S.No Name Age City Salary
1　　　　　　1　　　　　　Tom　　　28　　　　　Toronto　　　　20000
2　　　　　　2　　　　　　Lee　　　32　　　　Hong Kong　　　　　3000
3　　　　　　3　　　Steven　　　43　　　　Bay Area　　　　　8300
4　　　　　　4　　　　　　Ram　　　38　　　Hyderabad　　　　　3900

Observe que os nomes dos cabeçalhos foram adicionados nomes personalizados, mas os cabeçalhos do arquivo ainda não foram removidos. Agora, usamos o parâmetro header para removê-lo.

Se o título não estiver na primeira linha, passe o número da linha para o título. Isso pula as linhas anteriores.

　import pandas as pd　
　df=pd.read_csv("temp.csv", names=['a','b','c','d','e'],header=0)
　print df

Os resultados da execução são os seguintes:

　　a b c d e
0 S.No Name Age City Salary
1　　　　　1　　　　　　Tom　　　28　　　　　Toronto　　　　20000
2　　　　　2　　　　　　Lee　　　32　　　　Hong Kong　　　　　3000
3　　　　　3　　　Steven　　　43　　　　Bay Area　　　　　8300
4　　　　　4　　　　　　Ram　　　38　　　Hyderabad　　　　　3900

skiprows

skiprows pula o número de linhas especificado.

　import pandas as pd
　df=pd.read_csv("temp.csv", skiprows=2)
　print df

Os resultados da execução são os seguintes:

　　　　2　　　　　　Lee　　　32　　　　Hong Kong　　　3000
0　　　3　　　Steven　　　43　　　　Bay Area　　　8300
1　　　4　　　　　　Ram　　　38　　　Hyderabad　　　3900