在这里记录一下，python使用pandas读取文件的方法
用到pandas库的read_csv函数
# -*- coding: utf-8 -*-
"""
Created on Mon Jan 24 16:48:32 2022
@author: zxy
"""
# 导入包
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec
import seaborn as sns; plt.style.use('ggplot')
import sklearn
from sklearn.preprocessing import StandardScaler
from sklearn.model_selection import train_test_split
from sklearn.utils import shuffle
from sklearn.metrics import confusion_matrix
from sklearn.manifold import TSNE
# 导入并查看数据
crecreditcard_data=pd.read_csv('./creditcard.csv')
crecreditcard_data.shape,crecreditcard_data.info()
crecreditcard_data.describe()
crecreditcard_data.head()
# 看看欺诈与非欺诈的比例如何
count_classes=pd.value_counts(crecreditcard_data['Class'],sort=True).sort_index()
# 统计下具体数据
count_classes.value_counts()
# 也可以用count_classes[0],count_classes[1]看分别数据
count_classes.plot(kind='bar')
plt.show()
知识点扩展：
pandas读取csv文件的操作
1. 读取csv文件
import pandas as pd
import numpy as np
# 读取整个csv文件
csv_data = pd.read_csv("./stock_day.csv")
# 读取指定列索引字段的数据
csv_data = pd.read_csv("./stock_day.csv", usecols=['open', 'close'])
# 将我们修改完的csv的文件保存到新的路径下
csv_data.to_csv('demo.csv')观察我们保存的文件的格式(行索引为我们的日期, 列索引为 open close) :
# 查看新保存的文件
new_data = read_csv('./demo.csv')观察新保存的文件(我们在读取的时候默认给我们添加了新的行索引, 及Unnamed:0):
使用to_csv的时候, 我们可以给他传入几个参数:
csv_data.to_csv('demo.csv', header=True, index=False)
to_csv这个方法中可以传递一些参数:
DataFrame.to_csv(path_or_buf=None, sep=', ’, columns=None, header=True, index=True, index_label=None, mode='w', encoding=None)
- path_or_buf :文件保存的路径;
- sep :默认是以 , 进行分割 , 也可以自己制定;
- columns : 保存索引列和指定列;
- index:是否写进行索引 0或者1;
- header :boolean or list of string, default True,是否写进列索引值 0或者 1;
- na_rep=NaN: 缺失值保存为Na 如果不写 默认为空;
- float_format='%.2f' :保留两位小数;
再来回顾一下将我们的行索引装成日期格式的方法:
# 生成一个时间的序列，略过周末非交易日
date = pd.date_range('2018-02-27', periods=new_data.shape[1], freq='B')
# index代表行索引，columns代表列索引
new_data = pd.DataFrame(new_data, index=date)到此这篇关于python 使用pandas读取csv文件的方法的文章就介绍到这了,更多相关python 读取csv文件内容请搜索编程网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编程网！
