Python從csv文件中讀取數(shù)據(jù)及提取數(shù)據(jù)的方法
數(shù)據(jù)保存在csv文件中
1.從csv文件中讀取數(shù)據(jù)
參數(shù)header=None的有無(wú)
（1）沒(méi)有header=None——直接將csv表中的第一行當(dāng)作表頭
# 讀取數(shù)據(jù)
import pandas as pd
data = pd.read_csv("data1.csv")
print(data)
打印結(jié)果為：
（2）有header=None——自動(dòng)添加第一行當(dāng)作表頭
# 讀取數(shù)據(jù)
import pandas as pd
data = pd.read_csv("data1.csv",header=None)
print(data)
打印結(jié)果為：
2.數(shù)據(jù)切割
（這里根據(jù)csv表的格式，將header=None不寫）
（1）獲取所有列，并存入一個(gè)數(shù)組中
# 讀取數(shù)據(jù)
import pandas as pd
data = pd.read_csv("data1.csv")
# print(data)
# ①獲取所有列，并存入一個(gè)數(shù)組中
import numpy as np
data = np.array(data)
print(data) # 用戶編號(hào) 性別 年齡(歲) 年收入(元) 是否購(gòu)買
# [[15624510 1 19 19000 0]
# [15810944 1 35 20000 0]
# [15668575 2 26 43000 0]
# [15603246 2 27 57000 0]
# [ ... ...... ... ...]]
（2）獲取指定列的數(shù)據(jù)，并存入一個(gè)數(shù)組中
方法一：從csv文件獲取data，data[ ] ——需要考慮數(shù)據(jù)的維度問(wèn)題
# 讀取數(shù)據(jù)
import pandas as pd
data = pd.read_csv("data1.csv")
print(data) # 用戶編號(hào) 性別 年齡(歲) 年收入(元) 是否購(gòu)買
# (1)獲取第1列，并存入一個(gè)數(shù)組中
import numpy as np
col_1 = data["用戶編號(hào)"] #獲取一列，用一維數(shù)據(jù)
data_1 = np.array(col_1)
print(data_1)
# [15624510 15810944 15668575 15603246 15804002 15728773 15598044 15694829
# 15600575 15727311 15570769 15606274 15746139 15704987 15628972 15697686
# 15733883 15617482 15704583 15621083 15649487 15736760 15714658 15599081
# 15705113 15631159 15792818 15633531 15744529]
# (2)獲取第1，2列
col_12 = data[["用戶編號(hào)","性別"]] #獲取兩列，要用二維數(shù)據(jù)
data_12 = np.array(col_12)
print(data_12)
# [[15624510 1]
# [15810944 1]
# [15668575 2]
# [15603246 2]
# [ ... ..]]
方法二：usecols=[ ] —— 直接寫入獲取的列數(shù)
import pandas as pd
import numpy as np
data_1 = pd.read_csv("data1.csv",usecols=["用戶編號(hào)"])
data_1 = np.array(data_1)
print(data_1)
# [[15624510]
# [15810944]
# [15668575]
# [15603246]
# [ ...]]
# (2)如獲取第1,2列
data_12 = pd.read_csv("data1.csv",usecols=["用戶編號(hào)","性別"])
data_12 = np.array(data_12)
print(data_12)
# [[15624510 1]
# [15810944 1]
# [15668575 2]
# [15603246 2]
# [ ... ..]]
方法三：iloc[ ] ——實(shí)質(zhì)就是切片操作
import pandas as pd
import numpy as np
data = pd.read_csv("data1.csv")
# （1）獲取第1列
data_1 = data.iloc[:,0]
data_1 =np.array(data_1)
print(data_1)
# [15624510 15810944 15668575 15603246 15804002 15728773 15598044 15694829
# 15600575 15727311 15570769 15606274 15746139 15704987 15628972 15697686
# 15733883 15617482 15704583 15621083 15649487 15736760 15714658 15599081
# 15705113 15631159 15792818 15633531 15744529]
# （2）獲取第1，2列
data_12 = data.iloc[:,0:2]
data_12 = np.array(data_12)
print(data_12)
# [[15624510 1]
# [15810944 1]
# [15668575 2]
# [15603246 2]
# [ ... ..]]
# 獲取最后兩列
data_last = data.iloc[:,-2:]
data_last = np.array(data_last)
print(data_last)
# [[ 19000 0]
# [ 20000 0]
# [ 26 43000 0]
# [ 27 57000 0]
# [ ... ... ...]]
到此這篇關(guān)于Python從csv文件中讀取數(shù)據(jù)并提取數(shù)據(jù)的方法的文章就介紹到這了,更多相關(guān)Python csv文件中讀取數(shù)據(jù)內(nèi)容請(qǐng)搜索本站以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持本站！
版權(quán)聲明：本站文章來(lái)源標(biāo)注為YINGSOO的內(nèi)容版權(quán)均為本站所有，歡迎引用、轉(zhuǎn)載，請(qǐng)保持原文完整并注明來(lái)源及原文鏈接。禁止復(fù)制或仿造本網(wǎng)站，禁止在非www.sddonglingsh.com所屬的服務(wù)器上建立鏡像，否則將依法追究法律責(zé)任。本站部分內(nèi)容來(lái)源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來(lái)，僅供學(xué)習(xí)參考，不代表本站立場(chǎng)，如有內(nèi)容涉嫌侵權(quán)，請(qǐng)聯(lián)系alex-e#qq.com處理。
關(guān)注官方微信