如何将 CSV 文件读取到 Pandas DataFrame 中

简介

在本教程中，我们将探讨如何在Python中将CSV文件读取到Pandas DataFrame中。Pandas是一个广泛使用的数据分析库，它提供了一种方便且高效的方式来处理结构化数据。在本指南结束时，你将能够将CSV数据导入到Pandas中，并开始探索和分析其中包含的信息。

Skills Graph

CSV 文件与 Pandas 简介

CSV（逗号分隔值）是一种简单且广泛使用的文件格式，用于存储和交换表格数据。它以纯文本格式表示数据，其中每行代表一行，每行中的值由逗号（或其他分隔符）分隔。

Pandas 是一个强大的开源 Python 库，用于数据处理和分析。它提供了高性能、易于使用的数据结构和数据分析工具，使其成为处理 CSV 文件的热门选择。

什么是 CSV 文件？

CSV 文件是一种存储表格数据的纯文本文件类型。文件中的每行代表一行数据，每行中的值由分隔符分隔，通常是逗号（,）。文件的第一行通常包含列标题，用于描述每列中的数据。

为什么使用 Pandas 处理 CSV 文件？

Pandas 提供了一种在 Python 中读取和处理 CSV 文件的便捷方式。pd.read_csv() 函数允许你将 CSV 文件加载到 Pandas DataFrame 中，这是一种强大的数据结构，便于对数据进行操作和分析。

使用 Pandas 处理 CSV 文件的一些主要优点包括：

• 轻松的数据操作：Pandas DataFrame 提供了广泛的函数和方法，用于过滤、排序、分组和转换数据。
• 高效的数据存储：Pandas DataFrame 可以高效地存储和处理大型数据集，使其成为处理包含大量数据的 CSV 文件的理想选择。
• 与其他库的兼容性：Pandas 与其他流行的 Python 库（如 NumPy、Matplotlib 和 Scikit-learn）集成良好，使你能够执行高级数据分析和可视化任务。

import pandas as pd

## 将 CSV 文件读取到 Pandas DataFrame 中
df = pd.read_csv('data.csv')

## 显示 DataFrame 的前几行
print(df.head())

在本教程结束时，你将学习如何将 CSV 文件读取到 Pandas DataFrame 中，探索数据，并执行基本的数据操作任务。

使用 Pandas 读取 CSV 文件

基本的 CSV 文件读取

将 CSV 文件读取到 Pandas DataFrame 中的最基本方法是使用 pd.read_csv() 函数。以下是一个示例：

import pandas as pd

## 将 CSV 文件读取到 DataFrame 中
df = pd.read_csv('data.csv')

## 显示 DataFrame 的前几行
print(df.head())

在这个示例中，pd.read_csv() 读取名为 'data.csv' 的 CSV 文件，并返回一个名为 df 的 Pandas DataFrame。

自定义 CSV 读取器

Pandas 提供了几个可选参数来自定义 CSV 读取器，例如：

• delimiter：指定用于分隔 CSV 文件中值的字符（默认是逗号）。
• header：指定用作列名的行号（默认是 0，即第一行）。
• index_col：指定用作 DataFrame 索引的列。
• na_values：指定要视为缺失值（NaN）的一组值。

以下是自定义 CSV 读取器的一个示例：

## 读取一个使用分号作为分隔符且跳过第一行作为标题的 CSV 文件
df = pd.read_csv('data.csv', delimiter=';', header=1)

## 显示 DataFrame 的前几行
print(df.head())

处理缺失数据

CSV 文件可能包含缺失值，Pandas 将其表示为 NaN（非数字）。你可以通过多种方式处理缺失数据，例如：

• 删除包含缺失数据的行或列：df.dropna()
• 用特定值填充缺失值：df.fillna(value=0)
• 插值填充缺失值：df.interpolate()

## 用每列的均值填充缺失值
df = df.fillna(df.mean())

在本节结束时，你应该很好地理解了如何将 CSV 文件读取到 Pandas DataFrame 中，以及如何自定义 CSV 读取器和处理缺失数据。

探索 Pandas 中的 CSV 数据

将 CSV 文件读取到 Pandas DataFrame 后，你可以通过多种方式探索数据，以获取见解并为进一步分析做准备。

检查 DataFrame

Pandas 提供了几种方法来快速检查 DataFrame 的结构和内容：

• df.head()：显示 DataFrame 的前几行。
• df.tail()：显示 DataFrame 的最后几行。
• df.info()：显示有关 DataFrame 的信息，包括数据类型和内存使用情况。
• df.describe()：为 DataFrame 中的数值列生成描述性统计信息。

## 检查 DataFrame 的前几行
print(df.head())

## 显示有关 DataFrame 的信息
print(df.info())

## 生成描述性统计信息
print(df.describe())

访问和操作数据

Pandas DataFrame 提供了广泛的方法和属性来访问和操作数据：

• df['column_name']：访问 DataFrame 的特定列。
• df.loc[row_label, column_label]：通过标签（行名和列名）访问数据。
• df.iloc[row_index, column_index]：通过基于整数的索引（行索引和列索引）访问数据。
• df['new_column'] = value：创建新列或修改现有列。

## 访问特定列
print(df['age'])

## 通过标签访问数据
print(df.loc[0, 'name'])

## 通过基于整数的索引访问数据
print(df.iloc[0, 0])

## 创建新列
df['is_adult'] = df['age'] >= 18

过滤和排序数据

Pandas 提供了强大的过滤和排序功能：

• df[condition]：根据布尔条件过滤 DataFrame。
• df.sort_values(by='column_name')：按一个或多个列对 DataFrame 进行排序。

## 过滤 DataFrame 以仅包括成年用户
adult_users = df[df['age'] >= 18]
print(adult_users)

## 按年龄升序对 DataFrame 进行排序
sorted_df = df.sort_values(by='age')
print(sorted_df)

在本节结束时，你应该很好地理解了如何探索和操作存储在 Pandas DataFrame 中的 CSV 数据。

总结

本Python教程展示了将CSV文件读取到Pandas DataFrame中的过程。你已经学习了如何使用Pandas加载CSV数据，以及如何与生成的DataFrame进行交互，以便从数据中获得有价值的见解。有了这些技能，你现在可以自信地处理CSV文件，并利用Pandas的强大功能满足你的数据分析和处理需求。