Úvod do tabulkových procesorů

Streamlined Data Ingestion with pandas

Amany Mahfouz

Instructor

Tabulkové procesory

Také označovány jako soubory Excel
Data uložena v tabulkové formě v řádcích a sloupcích
Na rozdíl od plochých souborů mohou obsahovat formátování a vzorce
Sešit může obsahovat více tabulkových listů

Načítání tabulkových procesorů

Pro načítání tabulkových procesorů v pandas slouží funkce read_excel()

Snímek dat z průzkumu FreeCodeCamp pro nové vývojáře v tabulkovém procesoru

Načítání tabulkových procesorů

import pandas as pd

# Read the Excel file
survey_data = pd.read_excel("fcc_survey.xlsx")


# View the first 5 lines of data
print(survey_data.head())

    Age  AttendedBootcamp       ...                    SchoolMajor  StudentDebtOwe
0  28.0               0.0       ...                            NaN           20000
1  22.0               0.0       ...                            NaN             NaN
2  19.0               0.0       ...                            NaN             NaN
3  26.0               0.0       ...        Cinematography And Film            7000
4  20.0               0.0       ...                            NaN             NaN

[5 rows x 98 columns]

Načítání vybraných sloupců a řádků

Tabulka s daty průzkumu obsahující záhlaví metadat

Tabulka faktury s více malými datovými tabulkami

Načítání vybraných sloupců a řádků

read_excel() sdílí mnoho argumentů s read_csv()
- nrows: omezení počtu načtených řádků
- skiprows: počet nebo čísla řádků k přeskočení
- usecols: výběr sloupců názvem, číslem nebo písmenem (např. "A:P")

Načítání vybraných sloupců a řádků

# Read columns W-AB and AR of file, skipping metadata header
survey_data = pd.read_excel("fcc_survey_with_headers.xlsx",
                            skiprows=2,
                            usecols="W:AB, AR")


# View data
print(survey_data.head())

   CommuteTime            CountryCitizen  ...    EmploymentFieldOther    EmploymentStatus   Income
0         35.0  United States of America  ...                     NaN  Employed for wages  32000.0
1         90.0  United States of America  ...                     NaN  Employed for wages  15000.0
2         45.0  United States of America  ...                     NaN  Employed for wages  48000.0
3         45.0  United States of America  ...                     NaN  Employed for wages  43000.0
4         10.0  United States of America  ...                     NaN  Employed for wages   6000.0

[5 rows x 7 columns]

Pojďme si procvičit!

Streamlined Data Ingestion with pandas