Đọc cột đầu tiên của CSV Python

Cảm ơn tất cả. Trên thực tế, tôi đã bỏ qua một chi tiết liên quan giải thích lý do tại sao tôi gặp vấn đề khi tìm giải pháp. các hàng của tệp CSV không hoàn chỉnh, một số chỉ có một phần tử, một số khác trống nên khi đọc cột tôi quan tâm, tôi đã gặp lỗi. Tôi đã giải quyết nó bằng cách lặp qua tất cả các hàng, kiểm tra những hàng có giá trị mà tôi đang tìm kiếm trong cột đầu tiên và trích xuất giá trị tương ứng từ cột mà tôi quan tâm, với việc xử lý ngoại lệ;

import csv
  
with open['cards.csv'] as file_obj:
      
    reader_obj = csv.reader[file_obj]
    for row in reader_obj:
        try:
            if row[0] == 'Diamond':
                value = int[row[3]]
        except:
            continue

print[value]

Cảm ơn lần nữa.
Tạm biệt
Alessia

Cố gắng đưa cột đầu tiên [tên] vào danh sách để hiển thị người dùng và sau đó được cập nhật với các thay đổi đối với tệp CSV. Sử dụng mã này

import csv
list = []
exRtFile = open ['exchangeRate.csv','r']
exchReader = csv.reader[exRtFile]
while True:
    for column in exchReader:
        list.append[column and column[0]]
        print[list]
        exRtFile.close

Tuy nhiên, tôi nhận được đầu ra kém hiệu quả của

['US Dollar']
['US Dollar', []]
['US Dollar', [], 'Japanese Yen']
['US Dollar', [], 'Japanese Yen', []]
['US Dollar', [], 'Japanese Yen', [], 'Euro']
['US Dollar', [], 'Japanese Yen', [], 'Euro', []]
['US Dollar', [], 'Japanese Yen', [], 'Euro', [], 'Pound Sterling']
['US Dollar', [], 'Japanese Yen', [], 'Euro', [], 'Pound Sterling', []]
['US Dollar', [], 'Japanese Yen', [], 'Euro', [], 'Pound Sterling', [], 'Japanese Yen']

Nếu chúng tôi nhập tệp CSV mà không chỉ định cột chỉ mục, gấu trúc sẽ chỉ tạo một cột chỉ mục có giá trị số bắt đầu từ 0.

#import CSV file without specifying index column
df = pd.read_csv['my_data.csv']

#view DataFrame
print[df]

  team  points  assists
0    A      18        5
1    B      22        7
2    C      19        7
3    D      14        9
4    E      14       12
5    F      11        9
6    G      20        9
7    H      28        4

Tuy nhiên, chúng ta có thể sử dụng đối số index_col để chỉ định rằng cột đầu tiên trong tệp CSV sẽ được sử dụng làm cột chỉ mục

Xem các loại dữ liệu cột chúng tôi đã nhập. first_name và company là các biến ký tự. Các biến còn lại là biến số

ID             int64
first_name    object
company       object
salary         int64

ví dụ 2. Đọc tệp CSV có tiêu đề ở hàng thứ hai

Giả sử bạn có tên cột hoặc tên biến ở hàng thứ hai. Để đọc loại tệp CSV này, bạn có thể gửi lệnh sau.

mydata = pd.read_csv["workingfile.csv", header = 1]

import os
os.getcwd[]

9 yêu cầu python chọn tiêu đề từ hàng thứ hai. Nó đang đặt hàng thứ hai làm tiêu đề. Nó không phải là một ví dụ thực tế. Mình chỉ minh hoạ để các bạn hình dung cách giải. Để thực tế, bạn có thể thêm các giá trị ngẫu nhiên vào hàng đầu tiên trong tệp CSV rồi nhập lại.

dt = {'ID': [11, 12, 13, 14, 15],
            'first_name': ['David', 'Jamie', 'Steve', 'Stevart', 'John'],
            'company': ['Aon', 'TCS', 'Google', 'RBS', '.'],
            'salary': [74, 76, 96, 71, 78]}
mydt = pd.DataFrame[dt, columns = ['ID', 'first_name', 'company', 'salary']]

0

Xác định tên cột của riêng bạn thay vì hàng tiêu đề từ tệp CSV

dt = {'ID': [11, 12, 13, 14, 15],
            'first_name': ['David', 'Jamie', 'Steve', 'Stevart', 'John'],
            'company': ['Aon', 'TCS', 'Google', 'RBS', '.'],
            'salary': [74, 76, 96, 71, 78]}
mydt = pd.DataFrame[dt, columns = ['ID', 'first_name', 'company', 'salary']]

1skiprows = 1 có nghĩa là chúng tôi đang bỏ qua hàng đầu tiên và tùy chọn names= được sử dụng để gán tên biến theo cách thủ công.

dt = {'ID': [11, 12, 13, 14, 15],
            'first_name': ['David', 'Jamie', 'Steve', 'Stevart', 'John'],
            'company': ['Aon', 'TCS', 'Google', 'RBS', '.'],
            'salary': [74, 76, 96, 71, 78]}
mydt = pd.DataFrame[dt, columns = ['ID', 'first_name', 'company', 'salary']]

2

ví dụ 3. Bỏ qua hàng nhưng giữ tiêu đề

dt = {'ID': [11, 12, 13, 14, 15],
            'first_name': ['David', 'Jamie', 'Steve', 'Stevart', 'John'],
            'company': ['Aon', 'TCS', 'Google', 'RBS', '.'],
            'salary': [74, 76, 96, 71, 78]}
mydt = pd.DataFrame[dt, columns = ['ID', 'first_name', 'company', 'salary']]

3Trong trường hợp này, chúng tôi đang bỏ qua hàng thứ hai và thứ ba trong khi nhập. Đừng quên chỉ mục bắt đầu từ 0 trong python, vì vậy 0 đề cập đến hàng đầu tiên và 1 đề cập đến hàng thứ hai và 2 ngụ ý hàng thứ ba.

dt = {'ID': [11, 12, 13, 14, 15],
            'first_name': ['David', 'Jamie', 'Steve', 'Stevart', 'John'],
            'company': ['Aon', 'TCS', 'Google', 'RBS', '.'],
            'salary': [74, 76, 96, 71, 78]}
mydt = pd.DataFrame[dt, columns = ['ID', 'first_name', 'company', 'salary']]

4

Thay vì [1,2] bạn cũng có thể viết

import csv
list = []
exRtFile = open ['exchangeRate.csv','r']
exchReader = csv.reader[exRtFile]
while True:
    for column in exchReader:
        list.append[column and column[0]]
        print[list]
        exRtFile.close

20. Cả hai đều có nghĩa giống nhau nhưng hàm range[] rất hữu ích khi bạn muốn bỏ qua nhiều hàng để tiết kiệm thời gian xác định vị trí hàng theo cách thủ công

Bí mật ẩn của tùy chọn bỏ qua

Khi bỏ qua = 4, có nghĩa là bỏ qua bốn hàng từ trên xuống. bỏ qua = [1,2,3,4] có nghĩa là bỏ qua các hàng từ thứ hai đến thứ năm. Đó là bởi vì khi danh sách được chỉ định trong tùy chọn bỏ qua =, nó sẽ bỏ qua các hàng ở vị trí chỉ mục. Khi một giá trị số nguyên duy nhất được chỉ định trong tùy chọn, nó sẽ xem xét bỏ qua các hàng đó từ trên cùng

Ví dụ 4. Đọc tệp CSV không có hàng tiêu đề

Nếu bạn chỉ định "header = None", python sẽ gán một dãy số bắt đầu từ 0 đến [số cột - 1] làm tên cột. Trong tệp dữ liệu này, chúng tôi có tên cột ở hàng đầu tiên.

dt = {'ID': [11, 12, 13, 14, 15],
            'first_name': ['David', 'Jamie', 'Steve', 'Stevart', 'John'],
            'company': ['Aon', 'TCS', 'Google', 'RBS', '.'],
            'salary': [74, 76, 96, 71, 78]}
mydt = pd.DataFrame[dt, columns = ['ID', 'first_name', 'company', 'salary']]

5Xem đầu ra được hiển thị bên dưới-Đầu ra

Thêm tiền tố vào tên cột

dt = {'ID': [11, 12, 13, 14, 15],
            'first_name': ['David', 'Jamie', 'Steve', 'Stevart', 'John'],
            'company': ['Aon', 'TCS', 'Google', 'RBS', '.'],
            'salary': [74, 76, 96, 71, 78]}
mydt = pd.DataFrame[dt, columns = ['ID', 'first_name', 'company', 'salary']]

6Trong trường hợp này, chúng tôi đang đặt

import csv
list = []
exRtFile = open ['exchangeRate.csv','r']
exchReader = csv.reader[exRtFile]
while True:
    for column in exchReader:
        list.append[column and column[0]]
        print[list]
        exRtFile.close

21 làm tiền tố cho python bao gồm từ khóa này trước mỗi tên cột.

dt = {'ID': [11, 12, 13, 14, 15],
            'first_name': ['David', 'Jamie', 'Steve', 'Stevart', 'John'],
            'company': ['Aon', 'TCS', 'Google', 'RBS', '.'],
            'salary': [74, 76, 96, 71, 78]}
mydt = pd.DataFrame[dt, columns = ['ID', 'first_name', 'company', 'salary']]

7

Ví dụ 5. Chỉ định các giá trị còn thiếu

Các tùy chọn

import csv
list = []
exRtFile = open ['exchangeRate.csv','r']
exchReader = csv.reader[exRtFile]
while True:
    for column in exchReader:
        list.append[column and column[0]]
        print[list]
        exRtFile.close

22 được sử dụng để đặt một số giá trị là giá trị trống/thiếu trong khi nhập tệp CSV.

dt = {'ID': [11, 12, 13, 14, 15],
            'first_name': ['David', 'Jamie', 'Steve', 'Stevart', 'John'],
            'company': ['Aon', 'TCS', 'Google', 'RBS', '.'],
            'salary': [74, 76, 96, 71, 78]}
mydt = pd.DataFrame[dt, columns = ['ID', 'first_name', 'company', 'salary']]

8

dt = {'ID': [11, 12, 13, 14, 15],
            'first_name': ['David', 'Jamie', 'Steve', 'Stevart', 'John'],
            'company': ['Aon', 'TCS', 'Google', 'RBS', '.'],
            'salary': [74, 76, 96, 71, 78]}
mydt = pd.DataFrame[dt, columns = ['ID', 'first_name', 'company', 'salary']]

9

Ví dụ 6. Đặt cột chỉ mục

['US Dollar']
['US Dollar', []]
['US Dollar', [], 'Japanese Yen']
['US Dollar', [], 'Japanese Yen', []]
['US Dollar', [], 'Japanese Yen', [], 'Euro']
['US Dollar', [], 'Japanese Yen', [], 'Euro', []]
['US Dollar', [], 'Japanese Yen', [], 'Euro', [], 'Pound Sterling']
['US Dollar', [], 'Japanese Yen', [], 'Euro', [], 'Pound Sterling', []]
['US Dollar', [], 'Japanese Yen', [], 'Euro', [], 'Pound Sterling', [], 'Japanese Yen']

00

['US Dollar']
['US Dollar', []]
['US Dollar', [], 'Japanese Yen']
['US Dollar', [], 'Japanese Yen', []]
['US Dollar', [], 'Japanese Yen', [], 'Euro']
['US Dollar', [], 'Japanese Yen', [], 'Euro', []]
['US Dollar', [], 'Japanese Yen', [], 'Euro', [], 'Pound Sterling']
['US Dollar', [], 'Japanese Yen', [], 'Euro', [], 'Pound Sterling', []]
['US Dollar', [], 'Japanese Yen', [], 'Euro', [], 'Pound Sterling', [], 'Japanese Yen']

01Như bạn có thể thấy trong kết quả ở trên, cột ID đã được đặt làm cột chỉ mục

Ví dụ 7. Đọc tệp CSV từ URL bên ngoài

Bạn có thể đọc trực tiếp dữ liệu từ tệp CSV được lưu trữ trên liên kết web. Nó rất tiện lợi khi bạn cần tải các bộ dữ liệu có sẵn công khai từ github, kaggle và các trang web khác.

['US Dollar']
['US Dollar', []]
['US Dollar', [], 'Japanese Yen']
['US Dollar', [], 'Japanese Yen', []]
['US Dollar', [], 'Japanese Yen', [], 'Euro']
['US Dollar', [], 'Japanese Yen', [], 'Euro', []]
['US Dollar', [], 'Japanese Yen', [], 'Euro', [], 'Pound Sterling']
['US Dollar', [], 'Japanese Yen', [], 'Euro', [], 'Pound Sterling', []]
['US Dollar', [], 'Japanese Yen', [], 'Euro', [], 'Pound Sterling', [], 'Japanese Yen']

02Khung dữ liệu này chứa 2311 hàng và 8 cột. Sử dụng

import csv
list = []
exRtFile = open ['exchangeRate.csv','r']
exchReader = csv.reader[exRtFile]
while True:
    for column in exchReader:
        list.append[column and column[0]]
        print[list]
        exRtFile.close

23, bạn có thể tạo bản tóm tắt này

Ví dụ 8. Bỏ qua 5 hàng cuối cùng khi nhập CSV

['US Dollar']
['US Dollar', []]
['US Dollar', [], 'Japanese Yen']
['US Dollar', [], 'Japanese Yen', []]
['US Dollar', [], 'Japanese Yen', [], 'Euro']
['US Dollar', [], 'Japanese Yen', [], 'Euro', []]
['US Dollar', [], 'Japanese Yen', [], 'Euro', [], 'Pound Sterling']
['US Dollar', [], 'Japanese Yen', [], 'Euro', [], 'Pound Sterling', []]
['US Dollar', [], 'Japanese Yen', [], 'Euro', [], 'Pound Sterling', [], 'Japanese Yen']

03Trong đoạn mã trên, chúng tôi đang loại trừ 5 hàng dưới cùng bằng cách sử dụng tham số skip_footer=

Ví dụ 9. Chỉ đọc 5 hàng đầu tiên

['US Dollar']
['US Dollar', []]
['US Dollar', [], 'Japanese Yen']
['US Dollar', [], 'Japanese Yen', []]
['US Dollar', [], 'Japanese Yen', [], 'Euro']
['US Dollar', [], 'Japanese Yen', [], 'Euro', []]
['US Dollar', [], 'Japanese Yen', [], 'Euro', [], 'Pound Sterling']
['US Dollar', [], 'Japanese Yen', [], 'Euro', [], 'Pound Sterling', []]
['US Dollar', [], 'Japanese Yen', [], 'Euro', [], 'Pound Sterling', [], 'Japanese Yen']

04Sử dụng tùy chọn nrows=, bạn có thể tải K số hàng trên cùng

Ví dụ 10. Diễn giải "," thành dấu phân cách hàng nghìn

['US Dollar']
['US Dollar', []]
['US Dollar', [], 'Japanese Yen']
['US Dollar', [], 'Japanese Yen', []]
['US Dollar', [], 'Japanese Yen', [], 'Euro']
['US Dollar', [], 'Japanese Yen', [], 'Euro', []]
['US Dollar', [], 'Japanese Yen', [], 'Euro', [], 'Pound Sterling']
['US Dollar', [], 'Japanese Yen', [], 'Euro', [], 'Pound Sterling', []]
['US Dollar', [], 'Japanese Yen', [], 'Euro', [], 'Pound Sterling', [], 'Japanese Yen']

05

Ví dụ 11. Chỉ đọc các cột cụ thể

['US Dollar']
['US Dollar', []]
['US Dollar', [], 'Japanese Yen']
['US Dollar', [], 'Japanese Yen', []]
['US Dollar', [], 'Japanese Yen', [], 'Euro']
['US Dollar', [], 'Japanese Yen', [], 'Euro', []]
['US Dollar', [], 'Japanese Yen', [], 'Euro', [], 'Pound Sterling']
['US Dollar', [], 'Japanese Yen', [], 'Euro', [], 'Pound Sterling', []]
['US Dollar', [], 'Japanese Yen', [], 'Euro', [], 'Pound Sterling', [], 'Japanese Yen']

06 Đoạn mã trên chỉ đọc các cột dựa trên vị trí chỉ mục là vị trí thứ hai, thứ sáu và thứ tám

Ví dụ 12. Đọc một số hàng và cột

['US Dollar']
['US Dollar', []]
['US Dollar', [], 'Japanese Yen']
['US Dollar', [], 'Japanese Yen', []]
['US Dollar', [], 'Japanese Yen', [], 'Euro']
['US Dollar', [], 'Japanese Yen', [], 'Euro', []]
['US Dollar', [], 'Japanese Yen', [], 'Euro', [], 'Pound Sterling']
['US Dollar', [], 'Japanese Yen', [], 'Euro', [], 'Pound Sterling', []]
['US Dollar', [], 'Japanese Yen', [], 'Euro', [], 'Pound Sterling', [], 'Japanese Yen']

07Trong lệnh trên, chúng ta đã kết hợp các tùy chọn usecols= và nrows=. Nó sẽ chỉ chọn 5 hàng đầu tiên và các cột được chọn

Ví dụ 13. Đọc tệp với dấu phân cách dấu chấm phẩy

['US Dollar']
['US Dollar', []]
['US Dollar', [], 'Japanese Yen']
['US Dollar', [], 'Japanese Yen', []]
['US Dollar', [], 'Japanese Yen', [], 'Euro']
['US Dollar', [], 'Japanese Yen', [], 'Euro', []]
['US Dollar', [], 'Japanese Yen', [], 'Euro', [], 'Pound Sterling']
['US Dollar', [], 'Japanese Yen', [], 'Euro', [], 'Pound Sterling', []]
['US Dollar', [], 'Japanese Yen', [], 'Euro', [], 'Pound Sterling', [], 'Japanese Yen']

08Sử dụng tham số sep= trong hàm read_csv[ ], bạn có thể nhập tệp bằng bất kỳ dấu phân cách nào ngoài dấu phẩy mặc định. Trong trường hợp này, chúng tôi đang sử dụng dấu chấm phẩy làm dấu phân cách

Ví dụ 14. Thay đổi loại cột trong khi nhập CSV

Giả sử bạn muốn thay đổi định dạng cột từ int64 thành float64 trong khi tải tệp CSV vào Python. Chúng ta có thể sử dụng tùy chọn dtype = cho cùng.

['US Dollar']
['US Dollar', []]
['US Dollar', [], 'Japanese Yen']
['US Dollar', [], 'Japanese Yen', []]
['US Dollar', [], 'Japanese Yen', [], 'Euro']
['US Dollar', [], 'Japanese Yen', [], 'Euro', []]
['US Dollar', [], 'Japanese Yen', [], 'Euro', [], 'Pound Sterling']
['US Dollar', [], 'Japanese Yen', [], 'Euro', [], 'Pound Sterling', []]
['US Dollar', [], 'Japanese Yen', [], 'Euro', [], 'Pound Sterling', [], 'Japanese Yen']

09

Ví dụ 15. Đo thời gian cần thiết để nhập tệp CSV lớn

Với việc sử dụng

import csv
list = []
exRtFile = open ['exchangeRate.csv','r']
exchReader = csv.reader[exRtFile]
while True:
    for column in exchReader:
        list.append[column and column[0]]
        print[list]
        exRtFile.close

24, bạn có thể nắm bắt thời gian dành cho việc dọn dẹp bộ nhớ Mã thông báo, chuyển đổi và Trình phân tích cú pháp.

import os
os.getcwd[]

0

Ví dụ 16. Cách đọc tệp CSV mà không cần sử dụng gói Pandas

Để nhập tệp CSV bằng cách thuần python, bạn có thể gửi lệnh sau.

import os
os.getcwd[]

1Bạn cũng có thể tải xuống và tải tệp CSV từ URL hoặc trang web bên ngoài.

import os
os.getcwd[]

2

Ghi chú cuối

After completion of this tutorial, I hope you gained confidence in importing CSV file into Python with ways to clean and manage file. You can also check out this tutorial which explains how to import files of different format to Python. Once done, you should learn how to perform common data manipulation or wrangling tasks like filtering, selecting and renaming columns, identify and remove duplicates etc on pandas dataframe.

Học Python. 50 hướng dẫn Python hàng đầu

Truyền bá.
Chia sẻ Chia sẻ Tweet Đăng ký

bài viết liên quan

Giới thiệu tác giả.

Deepanshu thành lập ListenData với mục tiêu đơn giản - Làm cho phân tích trở nên dễ hiểu và dễ theo dõi. Ông có hơn 10 năm kinh nghiệm trong lĩnh vực khoa học dữ liệu. Trong nhiệm kỳ của mình, ông đã làm việc với các khách hàng toàn cầu trong nhiều lĩnh vực khác nhau như Ngân hàng, Bảo hiểm, Cổ phần tư nhân, Viễn thông và Nhân sự.

Làm cách nào để đọc cột đầu tiên từ tệp CSV trong gấu trúc python?

Cách đọc cột trong csv Python?

Làm thế nào để đọc cột cụ thể trong gấu trúc?