Python: procesamiento de datos CSV
AREAtutorial » Machine Learning » Python: procesamiento de datos CSV
La lectura de datos de CSV (valores separados por comas) es una necesidad fundamental en la ciencia de datos. A menudo obtenemos datos de varias fuentes que se pueden exportar en formato CSV para que otros sistemas puedan usarlos. La biblioteca Panadas proporciona funciones con las que podemos leer un archivo CSV en su totalidad, asà como en partes solo para un grupo seleccionado de columnas y filas.
Un archivo CSV es un archivo de texto con los valores en las columnas separados por comas. Echemos un vistazo a los siguientes datos presentes en un archivo llamado input.csv…
Puede crear este archivo usando el Bloc de notas de Windows copiando y pegando estos datos. Guarde el archivo como input.csv usando la opción «Guardar como todos los archivos (*. *)» en el bloc de notas.
id,name,salary,start_date,dept 1,Rick,623.3,2012-01-01,IT 2,Dan,515.2,2013-09-23,Operations 3,Tusar,611,2014-11-15,IT 4,Ryan,729,2014-05-11,HR 5,Gary,843.25,2015-03-27,Finance 6,Rasmi,578,2013-05-21,IT 7,Pranab,632.8,2013-07-30,Operations 8,Guru,722.5,2014-06-17,Finance
EN read_csv La función de la biblioteca de pandas se utiliza para leer el contenido de un archivo CSV en el entorno de Python como un DataFrame de pandas. La función puede leer archivos del sistema operativo utilizando la ruta de archivo correcta.
import pandas as pd
data = pd.read_csv('path/input.csv')
print (data)
Cuando ejecutamos el código anterior, da el siguiente resultado. Observe cómo la función ha creado una columna de base cero adicional como Ãndice.
id name salary start_date dept 0 1 Rick 623.30 2012-01-01 IT 1 2 Dan 515.20 2013-09-23 Operations 2 3 Tusar 611.00 2014-11-15 IT 3 4 Ryan 729.00 2014-05-11 HR 4 5 Gary 843.25 2015-03-27 Finance 5 6 Rasmi 578.00 2013-05-21 IT 6 7 Pranab 632.80 2013-07-30 Operations 7 8 Guru 722.50 2014-06-17 Finance
EN read_csv La función de biblioteca de pandas también se puede utilizar para leer algunas filas especÃficas para una columna determinada. Cortamos el resultado de la función read_csv usando el código que se muestra a continuación para las primeras 5 filas de una columna llamada salario.
import pandas as pd
data = pd.read_csv('path/input.csv')
# Slice the result for first 5 rows
print (data[0:5]['salary'])
Cuando ejecutamos el código anterior, da el siguiente resultado.
0 623.30 1 515.20 2 611.00 3 729.00 4 843.25 Name: salary, dtype: float64
EN read_csv La función de biblioteca de pandas también se puede utilizar para leer algunas columnas especÃficas. Usamos un método de indexación multieje llamado .loc () para esto. Hemos optado por mostrar la columna de salario y el nombre de todas las filas.
import pandas as pd
data = pd.read_csv('path/input.csv')
# Use the multi-axes indexing funtion
print (data.loc[:,['salary','name']])
Cuando ejecutamos el código anterior, da el siguiente resultado.
salary name 0 623.30 Rick 1 515.20 Dan 2 611.00 Tusar 3 729.00 Ryan 4 843.25 Gary 5 578.00 Rasmi 6 632.80 Pranab 7 722.50 Guru
EN read_csv La función de la biblioteca de pandas también se puede utilizar para leer algunas columnas y filas especÃficas. Usamos un método de indexación multieje llamado .loc () para esto. Decidimos mostrar las columnas de salario y nombre para algunas filas.
import pandas as pd
data = pd.read_csv('path/input.csv')
# Use the multi-axes indexing funtion
print (data.loc[[1,3,5],['salary','name']])
Cuando ejecutamos el código anterior, da el siguiente resultado.
salary name 1 515.2 Dan 3 729.0 Ryan 5 578.0 Rasmi
EN read_csv La función de la biblioteca de pandas también se puede usar para leer algunas columnas especÃficas y un rango de filas. Usamos una técnica de indexación de múltiples ejes llamada .loc () para esto. Hemos optado por mostrar la columna de salario y el nombre de algunas de las filas.
import pandas as pd
data = pd.read_csv('path/input.csv')
# Use the multi-axes indexing funtion
print (data.loc[2:6,['salary','name']])
Cuando ejecutamos el código anterior, da el siguiente resultado.
salary name 2 611.00 Tusar 3 729.00 Ryan 4 843.25 Gary 5 578.00 Rasmi 6 632.80 Pranab
🚫