Python Pandas 读写 CSV 文件完整指南

1. 使用 pandas 读取 CSV 文件

原始数据包含了公司员工的数据：

将 CSV 文件读入 pandas DataFrame 快速而直接：

import pandas
df = pandas.read_csv('hrdata.csv')
print(df)

操作非常简洁：仅需三行代码，其中核心逻辑仅有一行。pandas.read_csv() 函数负责打开、分析并读取指定的 CSV 文件，将结果存储于 DataFrame 对象中。打印该 DataFrame 将产生如下输出：

以下是值得注意的几点：

首先，pandas 自动识别 CSV 的第一行作为列名并直接应用。然而，由于未指定索引，pandas 默认使用从零开始的整数索引。此外，若检查列的数据类型，会发现 pandas 已将 Salary 和 Sick Days 列正确转换为数值类型，但 Hire Date 列仍保持为字符串类型，这在交互模式下可以轻易验证：

让我们一次性解决上述问题。若要使用其他列作为 DataFrame 的索引，需添加 index_col 可选参数：

df2 = pandas.read_csv('hrdata.csv', index_col='Name')
print(df2)

此时，Name 字段即成为 DataFrame 的索引：

接下来，修复「Hire Date」字段的数据类型。可以使用 parse_dates 可选参数强制 pandas 将指定数据作为日期读取，该参数定义为需要作为日期处理的列名列表：

df3 = pandas.read_csv('hrdata.csv', index_col='Name', parse_dates=['Hire Date'])
print(df3)

注意输出的差异：

现在日期格式已正确，可以在交互模式下轻松确认：

如果 CSV 文件的第一行中不包含列名，可以使用 names 可选参数提供列名列表。若需覆盖第一行现有的列名，也可使用此选项。在此情况下，还必须使用 header=0 可选参数告知 pandas.read_csv() 忽略现有的列名：

df4 = pandas.read_csv('hrdata.csv', 
            index_col='Employee', 
            parse_dates=['Hired'], 
            header=0, 
            names=['Employee', 'Hired','Salary', 'Sick Days'])
print(df4)

请注意，由于列名称已更改，因此还必须更改 index_col 和 parse_dates 可选参数中指定的列名，现在这会产生以下输出：

2. 使用 pandas 写入 CSV 文件

当然，如果无法将数据从 pandas 中输出，那 pandas 可能没有多大好处。将 DataFrame 写入 CSV 文件就像读取一个文件一样简单。下面让我们将带有新列名称的数据写入新的 CSV 文件：

df5 = pandas.read_csv('hrdata.csv', 
            index_col='Employee', 
            parse_dates=['Hired'],
            header=0, 
            names=['Employee', 'Hired', 'Salary', 'Sick Days'])
df5.to_csv('hrdata_modified.csv')

此代码与上述读取代码之间的唯一区别是 print(df) 替换为 df.to_csv()，新的 CSV 文件如下所示：

参考此文章连接

到此这篇关于python pandas 解析（读取、写入） CSV 文件的文章就介绍到这了,更多相关python pandas 解析CSV 文件内容请搜索本站以前的文章或继续浏览下面的相关文章希望大家以后多多支持本站！