使用熊猫读写CSV文件的基本介绍
如果使用数据，Pandas数据框将使生活变得更加轻松。许多数据以CSV格式出现。可以将CSV文件读取到Pandas数据框。实际上，使用read_csv非常容易 。在下面的视频中，我们将学习仅将CSV文件加载到Pandas数据框对象的基础知识。
还有更多使用Pandas read_csv（）的方法。以下是本文最初发布到此处的方法。
在第一部分中，我们将通过示例介绍如何读取CSV文件，如何从CSV读取特定列，如何读取多个CSV文件并将它们组合为一个数据帧，以及最后如何转换数据。根据特定的数据类型（例如，使用Pandas read_csv dtypes）。
在上一节中，我们将继续学习如何使用熊猫编写CSV文件。也就是说，我们将学习如何将数据框导出到CSV文件。
目录
熊猫从硬盘导入CSV
如何在Python熊猫中读取CSV文件
如何使用Python将CSV文件导入Pandas？
熊猫从URL读取CSV
熊猫读取CSV usecols
熊猫读取CSV：删除未命名列
如何从Pandas数据框中删除列
熊猫读取CSV和缺少值
读取CSV和跳过行
熊猫read_csv跳过示例：
如何使用熊猫读取某些行
熊猫read_csv dtype
将多个文件加载到数据框
如何在熊猫中写入CSV文件
如何将熊猫保存为CSV
如何将多个数据框写入一个CSV文件
结论
熊猫从硬盘导入CSV
在此熊猫阅读CSV教程的第一个示例中，我们将仅使用read_csv将CSV加载到与脚本位于同一目录中的数据框。如果文件在另一个目录中，则必须记住将完整路径添加到文件中。
自然地，熊猫可用于从多种不同文件类型导入数据。例如，可以将Excel（xlsx）和JSON文件读入Pandas数据框。了解有关在Pandas中导入数据的更多信息：
Pandas Excel教程：如何读取和写入Excel文件
熊猫读写JSON教程
如何在Python熊猫中读取CSV文件
在本节中，我们将学习如何从硬盘驱动器读取CSV文件。但是，首先，我们将回答以下问题：如何在熊猫中打开CSV文件？
如何使用Python将CSV文件导入Pandas？
这是学习如何在Pandas中读取CSV文件的两个简单步骤：
1.导入Pandas包：
import pandas as pd
2.使用pd.read_csv（）方法：
df = pd.read_csv('yourCSVfile.csv')
注意，read_csv方法的第一个参数应为CSV的文件路径。文件。
在本熊猫阅读CSV教程中，我们将学习如何在Python和Pandas中使用逗号分隔（CSV）文件。我们将概述如何使用Pandas将CSV加载到数据帧以及如何将数据帧写入CSV。
df = pd.read_csv('amis.csv') df.head()
如果我们对读取文件感兴趣，通常可以使用Python使用open（）方法。这样，我们可以在Python中读取许多文件格式（例如.txt）。
熊猫阅读CSV示例 300w“ size =”（最大宽度：446px）100vw，446px “ />
数据框
可以在此处下载数据，但在以下示例中，我们将使用Pandas read_csv从URL加载数据。
熊猫从URL读取CSV
我们可以使用熊猫从URL导入CSV文件吗？是的，在本节中，我们将学习如何使用Pandas在Python中读取CSV文件，就像前面的示例一样。但是，在下一个read_csv示例中，我们这次将从URL读取相同的数据集。非常简单，我们只需将URL作为read_csv方法中的第一个参数即可。这是三个简单的步骤，可以帮助我们从URL读取CSV：
再次，我们需要进口熊猫
用URL创建一个字符串变量
现在，将Pandas read_csv与URL一起使用（请参见下面的示例）
在下面的示例代码中，我们遵循三个简单的步骤将CSV文件导入到Pandas数据框中：
url_csv = 'https://vincentarelbundock.github.io/Rdatasets/csv/boot/amis.csv' df = pd.read_csv(url_csv) df.head()
https://www.marsja.se/wp-content/uploads/2018/11/how_to_read_csv_file_pandas-300x173.png 300w“ size =”（最大宽度：335px）100vw，335px“ />
在上图中，我们看到有一个名为“未命名：0”的列。此外，我们可以看到它包含数字。因此，当使用Pandas read_csv方法时，我们可以将此列用作索引列。在下一个代码示例中，我们正在这样做。我们将使用Pandas read_csv和index_col参数。  
此参数可以采用整数或序列。在我们的例子中，我们将使用整数0，我们将获得更好的数据帧：
df = pd.read_csv(url_csv
使用index_cols的熊猫read_csv 300w，https：//www.marsja.se/wp-content/uploads/2018 / 11 / pandas-read-csv-ex ... 203w“ size =”（最大宽度：331px）100vw，331px“ />
index_col参数也可以将字符串作为输入，我们现在将使用其他数据文件。在下一个示例中，我们将CSV读取到Pandas数据框中，并使用idNum列作为索引。  
csv_url = 'http://vincentarelbundock.github.io/Rdatasets/csv/carData/MplsStops.csv' df = pd.read_csv(csv_url
https://www.marsja.se/wp-content/uploads/2018/11/pandas-read-csv-index-cols-multiindex-300x102.jpg 300w，https：//www.marsja.se/wp-content / uploads / 2018/11 / pandas-read-csv-in ... 640w，https：//www.marsja.se/wp-content/uploads/2018/11/pandas-read-csv-in ... 879w “ size =”（最大宽度：768px）100vw，768px“ />
注意，要获得以上输出，我们使用了Pandas iloc选择前7行。这样做是为了获得可以更容易说明的输出。就是说，我们现在继续下一节，我们将从CSV文件中读取某些列到数据框。  
熊猫读取CSV usecols
在某些情况下，我们不想解析CSV文件中的每一列。为了只读取某些列，我们可以使用参数usecols。请注意，如果我们希望第一列为索引列，并且要解析前三个列，则需要一个包含4个元素的列表（在此处比较我的read_excel usecols示例）：
cols = [0
read_csv usecols
当然，如果我们有一个包含更多列的CSV文件，那么使用read_csv usecols更有意义。我们也可以将Pandas read_csv usecols与字符串列表一起使用。在下一个示例中，我们返回之前使用的较大文件：
csv_url = 'http://vincentarelbundock.github.io/Rdatasets/csv/carData/MplsStops.csv' df = pd.read_csv(csv_url
usecols示例 300w“ Size =”（max-width：466px）100vw，466px “ />
usecols与字符串列表
熊猫读取CSV：删除未命名列
在之前的read_csv示例中，我们获得了一个未命名的列。在本熊猫阅读CSV教程的前几部分中，我们已通过将此列设置为索引或使用usecols从CSV文件中选择特定列的方式来解决此问题。但是，由于某些原因，我们可能不想这样做。这是一个如何使用Pandas read_csv摆脱“ Unnamed：0”列的示例：
csv_url = 'http://vincentarelbundock.github.io/Rdatasets/csv/carData/MplsStops.csv' cols = pd.read_csv(csv_url
https://www.marsja.se/wp-content/uploads/2018/11/pandas-read-csv-tutorial-300x96.jpg 300w，https：//www.marsja.se/wp-content/uploads/2018 / 11 / pandas-read-csv-tu ... 640w，https：//www.marsja.se/wp-content/uploads/2018/11/pandas-read-csv-tu ... 774w“ size =” （最大宽度：768px）100vw，768px“ />
如何从Pandas数据框中删除列
当然，也可以在将CSV加载到数据框后删除未命名的列。要删除未命名的列，我们可以使用两种不同的方法。定位以及其他Pandas数据框方法。当使用drop方法时，我们可以使用inplace参数并获取没有未命名列的数据框。  
df.drop(df.columns[df.columns.str.contains('unnamed'
https://www.marsja.se/wp-content/uploads/2018/11/removing-many-unnamed-columns-from-pandas-dataframe-300x79.jpg 300w，https ://www.marsja.se/wp -content / uploads / 2018/11 / removing-many-unna ... 640w，https：//www.marsja.se/wp-content/uploads/2018/11/removing-many-unna ... 909w“尺寸=“（最大宽度：768px）100vw，768px” />
解释上面的代码示例；我们选择不包含字符串“ unnamed”的列。此外，我们使用了case参数，以便contains方法不区分大小写。因此，我们将获得名为“未命名”和“未命名”的列。在第一行中，使用Pandas drop，我们还使用了inplace参数，以便它更改数据框。的轴参数，但是，用于删除的，而不是索引（即，行）的列。   
学习一些使用Python和Pandas的数据处理技术。
熊猫读取CSV和缺少值
在本节中，我们将学习如何处理Pandas数据框中的缺失值。如果我们的CSV文件中缺少数据，并且编码方式使得熊猫无法找到它们，则可以使用参数na_values。在下面的示例中，amis.csv文件已更改，并且有些单元格的字符串为“ Not Available”。
https://www.marsja.se/wp-content/uploads/2018/11/missing-data-pandas-dataframe-768x529.jpg 768w，https ://www.marsja.se/wp-content/uploads/2018 / 11 / missing-data-panda ... 640w，https：//www.marsja.se/wp-content/uploads/2018/11/missing-data-panda ... 782w“ size =”（最大宽度：300px）100vw，300px“ />
CSV文件
也就是说，我们将把“不可用”更改为以后在进行数据分析时可以轻松删除的内容。
df = pd.read_csv('Simdata/MissingData.csv'
https://www.marsja.se/wp-content/uploads/2018/11/read-csv-pandas-missing-values-300x164.jpg 300w“ size =”（最大宽度：453px）100vw，453px“ / >
读取CSV和跳过行
如果我们的数据文件包含前x行的信息并且使用熊猫read_csv时需要跳过行怎么办？例如，我们如何跳过文件中的前三行，如下所示：  
https://www.marsja.se/wp-content/uploads/2018/11/read-csv-pandas-skip-rows-300x168.jpg 300w，https：//www.marsja.se/wp-content/uploads / 2018/11 / read-csv-pandas-sk ... 640w，https：//www.marsja.se/wp-content/uploads/2018/11/read-csv-pandas-sk ... 888w“尺寸=“（最大宽度：768px）100vw，768px” />
现在，我们将学习如何使用熊猫read_csv并跳过x的行数。幸运的是，仅使用skiprows参数非常简单。在下面的示例中，我们使用read_csv和skiprows = 3跳过前3行。   
熊猫read_csv跳过示例：
我们如何使用Pandas skiprow参数？这是一个熊猫的read_csv示例，我们跳过了前三行：
df = pd.read_csv('Simdata/skiprow.csv'
https://www.marsja.se/wp-content/uploads/2018/11/skip-rows-pandas-csv-tutorial-300x145.jpg 300w“ size =”（最大宽度：532px）100vw，532px“ / >
注意，我们可以使用header参数获得与上述相同的结果（即data = pd.read_csv（'Simdata / skiprow.csv'，header = 3））。   
如何使用熊猫读取某些行
我们可以使用Pandas的read_csv方法从CSV文件中读取特定的行吗？如果我们不想读取CSV文件中的每一行，则可以使用参数nrows。在下一个示例中，下面我们读取了CSV文件的前8行。
df = pd.read_csv(url_csv
如果我们想选择随机行，我们可以加载完整的CSV文件并使用Pandas示例随机选择行（请阅读Pandas Sample教程以了解更多信息）。
熊猫read_csv dtype
我们还可以设置列的数据类型。尽管在amis数据集中所有列都包含整数，但我们可以将其中一些设置为字符串数据类型。这正是我们在下一个Pandas read_csv pandas示例中将要执行的操作。我们将使用熊猫read_csv D型参数，并把在词典：  
url_csv = 'https://vincentarelbundock.github.io/Rdatasets/csv/boot/amis.csv' df = pd.read_csv(url_csv
https://www.marsja.se/wp-content/uploads/2018/11/pandas-read-csv-dtype-string-300x178.jpg 300w“ size =”（最大宽度：448px）100vw，448px“ / >
当然，可以强制使用其他数据类型，例如整数和浮点数。例如，我们要做的就是将str更改为float（当然，假设该列中有十进制数字）。
题库