フラットファイルのインポートを調整する

pandasで効率よくデータを取り込む

Amany Mahfouz

Instructor

米国の税データ

tax_data = pd.read_csv('us_tax_data_2016.csv')

print(tax_data.shape)

(179796, 147)

列の制限

usecols 引数で読み込む列を選択する
列番号・列名のリスト、または列名を絞り込む関数を受け付けます

col_names = ['STATEFIPS', 'STATE', 'zipcode', 'agi_stub', 'N1']

col_nums = [0, 1, 2, 3, 4]

# 列名で選択
tax_data_v1 = pd.read_csv('us_tax_data_2016.csv', 
                        usecols=col_names)

# 列番号で選択
tax_data_v2 = pd.read_csv('us_tax_data_2016.csv',
                        usecols=col_nums)

print(tax_data_v1.equals(tax_data_v2))

True

行の制限

nrows 引数で読み込む行数を制限する

tax_data_first1000 = pd.read_csv('us_tax_data_2016.csv', nrows=1000)

print(tax_data_first1000.shape)

(1000, 147)

行の制限

nrows と skiprows を併用してファイルを分割処理する
skiprows は行番号のリスト、行数、または行を絞る関数を受け付けます
列名がないことを示すため header=None を設定します

tax_data_next500 = pd.read_csv('us_tax_data_2016.csv', 
                               nrows=500, 
                               skiprows=1000, 
                               header=None)

行の制限

print(tax_data_next500.head(1))

   0   1      2    3     4     5    6    7     8     9     10   ...    136  137   138  139  140  141  142  143   144   145   146
0    1  AL  35565    4   270     0  250    0   210   790   280  ...   1854  260  1978    0    0    0    0   50   222   210   794

[1 rows x 147 columns]

列名の指定

names 引数にリストを渡して列名を指定する
リストはデータ内のすべての列に対応する名前が必要です
一部だけ改名する場合は、インポート後に実施してください

列名の指定

col_names = list(tax_data_first1000)

tax_data_next500 = pd.read_csv('us_tax_data_2016.csv',

                               nrows=500, 
                               skiprows=1000,

                               header=None,

                               names=col_names)

print(tax_data_next500.head(1))

   STATEFIPS STATE  zipcode  agi_stub   ...  N11901  A11901  N11902  A11902
0          1    AL    35565         4   ...      50     222     210     794

[1 rows x 147 columns]

Ayo berlatih!

pandasで効率よくデータを取り込む