Python Pandas : 轻松搞定CSV文件

1. 概述

CSV（Comma-Separated Values，逗号分隔值）格式是一种广泛使用的数据存储格式，它以纯文本形式存储表格数据。在 CSV 文件中，通常使用逗号来分隔同一行内的各个字段，而不同的行则用换行符分隔。CSV 文件由于其简单性和易于读写

的特点，在数据导出、数据交换以及许多类型的数据处理任务中被广泛应用。

尽管名为“逗号分隔”，但实际上 CSV 文件的字段分隔符也可以是其他字符，如制表符或分号。

由于其结构简单，CSV 文件可以被多种程序和服务所读取，比如文本编辑器、电子表格软件、数据库管理系统以及编程语言中的数据处理库。

然而，处理大型或复杂的 CSV 文件仍然可能是一个挑战，尤其是当它们包含不规则的格式、缺失数据或特殊字符时。

在这篇文章中，我们将探讨如何使用 Python 和 Pandas 库来有效地处理 CSV 文件，使这一过程变得简单而高效。

2. 安装

使用 pip 安装它：

pip install pandas或从国内清华源安装（速度快）：pip install pandas -i https://pypi.tuna.tsinghua.edu.cn/simple

3. 示例 CSV 文件

假设我们有一个名为 “sales_data.csv” 的 CSV 文件，内容如下：

Date,Sales,Expenses

2024-01-01,2000,8002024-01-02,1850,9502024-01-03,2100,10002024-01-04,1500,7002024-01-05,1950,850这个简单的文件包含了一周内每天的销售和支出数据。

4. 读取 CSV 文件

首先，我们使用 Pandas 读取 CSV 文件：

import pandas as

pd

df = pd.read_csv(sales_data.csv

)

print(df)

输出结果：

Date Sales Expenses

0 2024-01-01 2000 8001 2024-01-02 1850 9502 2024-01-03 2100 10003 2024-01-04 1500 7004 2024-01-05 1950 850

5. 数据选择和过滤

假设我们只对销售额超过1900的数据感兴趣：

high_sales = df[df[Sales] > 1900

]

print(high_sales)

输出结果：

Date Sales Expenses

0 2024-01-01 2000 8002 2024-01-03 2100 10004 2024-01-05 1950 850

6. 缺失数据处理

如果我们的 CSV 文件中有缺失值，我们可以选择填充或删除它们。假设我们的 CSV 文件中有缺失值，我们可以这样处理：

# 假设df有缺失值df_filled = df.fillna(0

)

print(df_filled)

或者删除含缺失值的行：

df_dropped = df.

dropna()

print(df_dropped)

7. 数据聚合和分组

我们可以对数据进行分组，例如计算每天的总收益（销售减去支出）：df[Profit] = df[Sales] - df[Expenses

]

daily_profit = df.groupby(Date)[Profit].

sum()

print(daily_profit)

输出结果：

Date

2024-01-01 12002024-01-02 9002024-01-03 11002024-01-04 8002024-01-05 1100

8.数据导出

最后，我们可以将处理后的数据导出为一个新的 CSV 文件：df.to_csv(processed_sales_data.csv, index=False)

9.其他 Python 库

除了 Pandas，还有一些其他 Python 库也可以用于处理 CSV 文件：

CSV 库：Python 的标准库，适用于简单的 CSV 文件读写操作。

NumPy：适合进行数值运算的大型数据集。

10.总结

本文详细探讨了如何使用 Python 和 Pandas 来处理 CSV 文件，从基础的读写操作到高级的数据处理技巧。无论你是数据科学的初学者，还是寻求提高工作效率的专业人士，Python 和 Pandas 都是处理 CSV 文件的理想选择。

🌸欢迎阅读！

🌸欢迎关注，感谢支持！

🌸欢迎点赞、分享，感谢鼓励！

© Copyright

ReadingHere 作品 | 尽情分享朋友圈 | 转载请联系授权