عمليات الدخول والخروج في Pandas

Pandas IO Operation Example

The two main functions for reading text files are read_csv() and read_table(). They both use the same parsing code to intelligently convert table data into DataFrame objects:

　pandas.read_csv(filepath_or_buffer,　sep=',',　delimiter=None,　header='infer',
　names=None,　index_col=None,　usecols=None

　pandas.read_csv(filepath_or_buffer,　sep='\t',　delimiter=None,　header='infer',
　names=None,　index_col=None,　usecols=None

Save this data as temp.csv and perform operations on it.

　S.No,Name,Age,City,Salary
　1,Tom,28,Toronto,20000
　2,Lee,32,HongKong,3000
　3,Steven,43,Bay　Area,8300
　4,Ram,38,Hyderabad,3900

read.csv

read.csv reads data from a csv file and creates a DataFrame object.

　import　pandas　as　pd
　df=pd.read_csv("temp.csv")
　print　df

النتيجة التشغيلية كالتالي:

S.No　　　　　Name　　　Age　　　　　　　City　　　Salary
0　　　　　1　　　　　　Tom　　　　28　　　　Toronto　　　　20000
1　　　　　2　　　　　　Lee　　　　32　　　HongKong　　　　　3000
2　　　　　3　　　Steven　　　　43　　　Bay　Area　　　　　8300
3　　　　　4　　　　　　Ram　　　　38　　Hyderabad　　　　　3900

Custom Indexing

This will specify a column in the csv file to use index_col for custom indexing.

　import　pandas　as　pd
　df=pd.read_csv("temp.csv",index_col=['S.No'])
　print　df

النتيجة التشغيلية كالتالي:

S.No　　　Name　　　Age　　　　　　　City　　　Salary
1　　　　　　　Tom　　　　28　　　　Toronto　　　　20000
2　　　　　　　Lee　　　　32　　　HongKong　　　　　3000
3　　　　Steven　　　　43　　　Bay Area　　　　　8300
4　　　　　　　Ram　　　　38　　Hyderabad　　　　　3900

المحول

يمكن أن تكون dtype كمعامل دالة.

　import　pandas　as　pd
　df　=　pd.read_csv("temp.csv",　dtype={'Salary':　np.float64})
　print　df.dtypes

النتيجة التشغيلية كالتالي:

S.No　　　　　　　int64
Name　　　　　　object
Age　　　　　　　　int64
City　　　　　　object
Salary　　　float64
dtype:　object

بالتشخيص، dtype لسطر Salary هو int، ولكن يتم عرضه كfloat لأننا قمنا بتحويل النوع بشكل واضح. لذلك، تبدو البيانات مثل float.

إذن، يبدو البيانات مثل float −

　　　S.No　　　Name　　　Age　　　　　　City　　　　Salary
0　　　1　　　　　Tom　　　28　　　　Toronto　　　20000.0
1　　　2　　　　　Lee　　　32　　　HongKong　　　　3000.0
2　　　3　　Steven　　　43　　　Bay Area　　　　8300.0
3　　　4　　　　　Ram　　　38　　Hyderabad　　　　3900.0

أسماء العناوين

استخدم المعامل names لتعيين أسماء العناوين.

　import　pandas　as　pd
　　
　df=pd.read_csv("temp.csv",　names=['a',　'b',　'c','d','e'])
　print　df

النتيجة التشغيلية كالتالي:

　　　a　　　　　　　　b　　　　c　　　　　　　　　　　d　　　　　　　　e
0　　　S.No　　　　　Name　　　Age　　　　　　　City　　　Salary
1　　　　　　1　　　　　　Tom　　　28　　　　　Toronto　　　　20000
2　　　　　　2　　　　　　Lee　　　32　　　　HongKong　　　　　3000
3　　　　　　3　　　Steven　　　43　　　　Bay Area　　　　　8300
4　　　　　　4　　　　　　Ram　　　38　　　Hyderabad　　　　　3900

لاحظ أن اسم الرأس تم إضافة اسم مخصص إليه، ولكن لم يتم إزالة الرأس من الملف بعد. الآن، نستخدم المعامل header لإزالته.

إذا لم يكن العنوان في السطر الأول، فإنه يتم نقل رقم السطر إلى العنوان. سيقوم هذا بإغلاق السطور السابقة.

　import　pandas　as　pd　
　df=pd.read_csv("temp.csv",names=['a','b','c','d','e'],header=0)
　print　df

النتيجة التشغيلية كالتالي:

　　a　　　　　　　　b　　　　c　　　　　　　　　　　d　　　　　　　　e
0　　S.No　　　　　Name　　　Age　　　　　　　City　　　Salary
1　　　　　1　　　　　　Tom　　　28　　　　　Toronto　　　　20000
2　　　　　2　　　　　　Lee　　　32　　　　HongKong　　　　　3000
3　　　　　3　　　Steven　　　43　　　　Bay　Area　　　　　8300
4　　　　　4　　　　　　Ram　　　38　　　Hyderabad　　　　　3900

skiprows

skiprows لتخطي عدد معين من الصفوف.

　import　pandas　as　pd
　df=pd.read_csv("temp.csv",　skiprows=2)
　print　df

النتيجة التشغيلية كالتالي:

　　　　2　　　　　　Lee　　　32　　　　HongKong　　　3000
0　　　3　　　Steven　　　43　　　　Bay　Area　　　8300
1　　　4　　　　　　Ram　　　38　　　Hyderabad　　　3900