🚀【Python】进阶学习：pandas–read_csv()用法详解🚀

 

下滑查看解决方法

🌈 欢迎莅临我的个人主页 👈这里是我静心耕耘深度学习领域、真诚分享知识与智慧的小天地！🎇

🎓 博主简介：985高校的普通本硕，曾有幸发表过人工智能领域的 中科院顶刊一作论文，熟练掌握PyTorch框架。

🔧 技术专长： 在CV、NLP及多模态等领域有丰富的项目实战经验。已累计一对一为数百位用户提供近千次专业服务，助力他们少走弯路、提高效率，近一年好评率100% 。

📝 博客风采： 积极分享关于深度学习、PyTorch、Python相关的实用内容。已发表原创文章500余篇，代码分享次数逾四万次。

💡 服务项目：包括但不限于科研入门辅导、知识付费答疑以及个性化需求解决。

欢迎添加👉👉👉底部微信（gsxg605888）👈👈👈与我交流

（请您备注来意）

（请您备注来意）

（请您备注来意）

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

🌵文章目录🌵

📚 一、为什么需要read_csv()？🔍 二、read_csv()的基本用法🛠️ 三、read_csv()的参数🛠️ 四、实际案例应用🎉 五、总结🤝 六、期待与你共同进步

下滑查看解决方法

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

📚 一、为什么需要read_csv()？

在数据分析的旅程中，我们经常需要从CSV（Comma Separated Values，逗号分隔值）文件中读取数据。CSV是一种常见的数据存储格式，由于其简单性和通用性，被广泛应用于各种领域。Pandas库中的read_csv()函数为我们提供了一个方便、高效的方式来读取这些数据。

🔍 二、read_csv()的基本用法

使用read_csv()函数读取CSV文件的基本语法是：

import pandas as pddata = pd.read_csv('file_path.csv')

其中，file_path.csv是你的CSV文件的路径。

例如，如果你有一个名为data.csv的文件，你可以这样读取它：

data = pd.read_csv('data.csv')print(data)

输出：

StringColumn IntColumn FloatColumn BoolColumn MixedColumn0 A 0 0.311623 False class11 B 1 0.377196 True class22 C 2 0.930861 True class3

🛠️ 三、read_csv()的参数

read_csv()函数有许多参数可以帮助我们更好地处理数据。以下是一些常用的参数：

sep 或 delimiter：指定分隔符，默认为,。如果你的CSV文件使用的是其他分隔符，如\t（制表符），你可以这样指定：

data = pd.read_csv('data.csv', sep='\t')

header：指定表头行。默认为0，表示第一行是表头。如果CSV文件没有表头，你可以设置为None。

data = pd.read_csv('data.csv', header=None)

index_col：将某一列设置为索引。

data = pd.read_csv('data.csv', index_col=0)

输出：

usecols：选择读取的列。你可以传入一个列名的列表，或者一个整数列表来表示列的索引。

data = pd.read_csv('data.csv', usecols=['IntColumn', 'FloatColumn'])print(data)

或者

data = pd.read_csv('data.csv', usecols=[1, 2])

输出：

IntColumn FloatColumn0 0 0.3116231 1 0.3771962 2 0.930861

na_values：指定哪些值应被视为NaN（缺失值）。

data = pd.read_csv('data.csv', na_values=['N/A', 'nan']) dtype：指定列的数据类型（谨慎使用，具体情况具体分析，容易报错）。

data = pd.read_csv('data.csv', dtype={ 'StringColumn': str, 'IntColumn': int})

这只是read_csv()函数的一部分参数，还有更多参数可以帮助你更好地处理CSV文件。

🛠️ 四、实际案例应用

假设你有一个名为sales.csv的CSV文件，其中包含以下数据：

date,product,sales2023-01-01,A,1002023-01-02,B,1502023-01-03,A,2002023-01-04,C,250

你可以使用read_csv()函数读取这个文件，并进行一些数据分析。

import pandas as pd# 读取CSV文件data= pd.read_csv('sales.csv')# 查看数据print(data)print("*"*50)# 计算每个产品的总销售额total_sales = data.groupby('product')['sales'].sum()print(total_sales)print("*"*50)# 计算每个日期的销售额daily_sales = data.groupby('date')['sales'].sum()print(daily_sales)

输出：

date product sales0 2023-01-01 A 1001 2023-01-02 B 1502 2023-01-03 A 2003 2023-01-04 C 250**************************************************productA 300B 150C 250Name: sales, dtype: int64**************************************************date2023-01-01 1002023-01-02 1502023-01-03 2002023-01-04 250Name: sales, dtype: int64

这个例子中，我们首先使用read_csv()函数读取了CSV文件。然后，我们使用groupby()函数按产品和日期对数据进行分组，并使用sum()函数计算每个组的销售额。最后，我们打印了结果。

🎉 五、总结

read_csv()函数是Pandas库中一个非常重要的函数，它为我们提供了一个方便、高效的方式来读取CSV文件。通过掌握read_csv()函数的基本用法和参数，我们可以轻松地处理各种CSV文件，并进行数据分析和处理。

在本文中，我们详细介绍了read_csv()函数的基本用法。我们还通过一个实际案例演示了如何使用read_csv()函数进行数据分析。希望这篇文章能帮助你更好地理解和使用read_csv()函数，为你的数据分析工作带来便利。

🤝 六、期待与你共同进步

🌱 亲爱的读者，非常感谢你每一次的停留和阅读！你的支持是我们前行的最大动力！🙏

🌐 在这茫茫网海中，有你的关注，我们深感荣幸。你的每一次点赞👍、收藏🌟、评论💬和关注💖，都像是明灯一样照亮我们前行的道路，给予我们无比的鼓舞和力量。🌟

📚 我们会继续努力，为你呈现更多精彩和有深度的内容。同时，我们非常欢迎你在评论区留下你的宝贵意见和建议，让我们共同进步，共同成长！💬

💪 无论你在编程的道路上遇到什么困难，都希望你能坚持下去，因为每一次的挫折都是通往成功的必经之路。我们期待与你一起书写编程的精彩篇章！ 🎉

🌈 最后，再次感谢你的厚爱与支持！愿你在编程的道路上越走越远，收获满满的成就和喜悦！祝你编程愉快！🎉