Pandas读写文件

pandas 笔记009

目录

• • pandas 笔记009
  • • 九、Pandas文件操作
    • • 1.读
      • • 1.1 read_csv()
        • 1.2 read_table()
        • 1.3 sep或delimiter(分隔符)
        • 1.4 skiprows(忽略跳过行数)
        • 1.5 header(设置列名)
        • 1.6 names(指定列名)
        • 1.7 index_col
        • 1.8 读取txt文件
      • 2.分块读取
      • • 2.1 chunksize
        • 2.2 iterator
      • 3.将一个文件内容写到另一个文件

九、Pandas文件操作 1.读

import numpy as np
import pandas as pd

1.1 read_csv()

ex1.csv文件打开如下：

a	b	c	d	message
1	2	3	4	hello
5	6	7	8	world
9	10	11	12	python

函数read_csv ：从文件、URL、文件型对象中加载带分隔符的数据。默认分隔符为逗号

a1 = pd.read_csv('ex1.csv') #ex1.csv文件自带列名(第一行作为列索引值，行索引自动补充)
a1

    a	b	c	d	message
0	1	2	3	4	hello
1	5	6	7	8	world
2	9	10	11	12	python

1.2 read_table()

函数read_table : 从文件、URL、文件型对象中加载带分隔符的数据。默认分隔符为制表符("t")

a2 = pd.read_table('ex1.csv')
a2

	a,b,c,d,message
0	1,2,3,4,hello
1	5,6,7,8,world
2	9,10,11,12,python

1.3 sep或delimiter(分隔符)

参数sep或delimiter（分隔符） : 用于对行中各字段进行拆分的字符序列或正则表达式

a3 = pd.read_table('ex1.csv',delimiter=',')  # 或sep=','
a3

    a	b	c	d	message
0	1	2	3	4	hello
1	5	6	7	8	world
2	9	10	11	12	python

1.4 skiprows(忽略跳过行数)

参数skiprows : 需要忽略的行数（从文件开始处算起），或需要跳过的行号列表(从0开始算起),默认skiprows=0

a4 = pd.read_csv('ex1.csv',skiprows=1)  #skiprows=1,跳过第一行(索引为0)，skiprows=2,跳过第一和第二行，以此类推
a4

    1	2	3	4	hello
0	5	6	7	8	world
1	9	10	11	12	python

1.5 header(设置列名)

参数header : 用作列名的行号，默认header=0（第一行为列名），当header=None时，会自动给出行列索引而不是将原数据的行作为索引值，

ex2.csv如下：

1	2	3	4	hello
5	6	7	8	world
9	10	11	12	python

b1 = pd.read_csv('ex2.csv') # 默认header=0，会将第一行作为列名
b1

	1	2	3	4	hello
0	5	6	7	8	world
1	9	10	11	12	python

b11 = pd.read_csv('ex2.csv',header=1)   # 设置第二行为列名，第一行的数据不会显示
b11

	5	6	7	8	world
0	9	10	11	12	python

使用header=None

b2 = pd.read_csv('ex2.csv',header=None)   # 另外自动给出行列名
b2

    0	1	2	3	4
0	1	2	3	4	hello
1	5	6	7	8	world
2	9	10	11	12	python

1.6 names(指定列名)

参数names : 可以指定列名

b3 = pd.read_csv('ex2.csv',names=['a','b','c','d','e'])
b3

	a	b	c	d	e
0	1	2	3	4	hello
1	5	6	7	8	world
2	9	10	11	12	python

1.7 index_col

参数index_col : 用作行索引的列编号或列名。可以是单个名称/数字或由多个名称/数字组成的列表（层次化索引）

index_col可以指定某一列作为行索引，例如下面代码指定ex2.csv文件的e列作为行索引：

b4 = pd.read_csv('ex2.csv',names=['a','b','c','d','e'],index_col='e') # 指定ex2.csv文件的第e列作为行索引
b4

	   a	b	c	d
e				
hello	1	2	3	4
world	5	6	7	8
python	9	10	11	12

c1 = pd.read_csv('csv_mindex.csv')
c1

    key1	key2	value1	value2
0	one	    a		1		2
1	one		b		3		4
2	one		c		5		6
3	one		d		7		8
4	two		a		9		10
5	two		b		11		12
6	two		c		13		14
7	two		d		15		16

index_col如果指定多个列名组成的列表会构成层次化索引

c2 = pd.read_csv('csv_mindex.csv',index_col=['key1','key2'])
c2

				value1	value2
key1	key2		
one		a		1		2
		b		3		4
		c		5		6
		d		7		8
two		a		9		10
		b		11		12
		c		13		14
		d		15		16

1.8 读取txt文件

ex3.txt文档内容如下：

open()读取

list(open('ex3.txt'))

['           A         B         Cn',
 'aaa -0.264438 -1.026059 -0.619500n',
 'bbb  0.927272  0.302904 -0.032399n',
 'ccc -0.264273 -0.386314 -0.217601n',
 'ddd -0.871858 -0.348382  1.100491']

使用read_table()读取

d1 = pd.read_table('ex3.txt')
d1

							A B C
0	aaa -0.264438 -1.026059 -0.619500
1	bbb 0.927272 0.302904 -0.032399
2	ccc -0.264273 -0.386314 -0.217601
3	ddd -0.871858 -0.348382 1.100491

使用分隔符

s 表示空白字符，包括但不限于空格、回车(r)、换行(n)、tab或者叫水平制表符(t)等

+ 是重复修饰符，表示它前面与它紧邻的表达式格式相匹配的字符串至少出现一个，上不封顶

s+ 意思就是至少有一个空白字符存在

d2 = pd.read_table('ex3.txt',sep='s+') 
d2

		A			B			C
aaa	-0.264438	-1.026059	-0.619500
bbb	0.927272	0.302904	-0.032399
ccc	-0.264273	-0.386314	-0.217601
ddd	-0.871858	-0.348382	1.100491

2.分块读取

主要是应用在数据量很大的文件

tr = pd.read_csv('agg_match_stats_1.csv')   #读取整个文件到内存中,如果文件很大会很慢

tr.head(10)   # 从内存存储的整个文件中取出10行

分块读取：

2.1 chunksize

通过参数chunksize每次读取文件的指定行（不重复）到内存中，可加快读取速度。

通过参数chunksize 可指定文件块的大小，可用于迭代。

f1 = pd.read_csv('agg_match_stats_1.csv',chunksize=10)   #每次读取文件的10行（不重复）到内存中

f1   # 可迭代对象TextFileReader

get_chunk() 不加参数默认读取10行，可指定

f1.get_chunk(6) 

第一次运行结果

第二次运行结果：从第一次结果往后迭代

查看get_chunk()得到的数据的数据类型，为Dataframe

print(type(f1.get_chunk())) 

2.2 iterator

iterator: 逐块读取文件，可加快读取速度。

f2 = pd.read_csv('agg_match_stats_1.csv',iterator=True) 

f2  # 可迭代对象TextFileReader 

f2.get_chunk(5)  #每次获取5行，不加参数默认读取整个文件

第一次运行结果

第二次运行结果：和chunksize的一样，从第一次往后迭代

3.将一个文件内容写到另一个文件

e1 = pd.read_csv('ex1.csv')
e1

ex1.csv文件如下：

a	b	c	d	message
1	2	3	4	hello
5	6	7	8	world
9	10	11	12	python

    a	b	c	d	message
0	1	2	3	4	hello
1	5	6	7	8	world
2	9	10	11	12	python

csv文件名.to_csv("csv文件名") ：将一个文件内容写到另一个文件.
例如下面把ex1.csv文件的内容写入一个新的csv文件中。会在当前目录生成一个out1.csv的文件，内容是ex1.csv的内容（如上），但比原ex1.csv存储的文件内容多了行索引值（0，1，2）

e1.to_csv('out1.csv')  

out1.csv文件内容如下：

	a	b	c	d	message
0	1	2	3	4	hello
1	5	6	7	8	world
2	9	10	11	12	python