Načítání a zápis CSV souborů

Manipulace s daty v Julii

Katerina Zahradova

Instructor

Oddělovače

Oddělovač = znak nebo řetězec oddělující hodnoty
Příklady oddělovačů: ",", " ", "\t", ...

# Loading file with a space as a delimiter
penguins = DataFrame(CSV.File("penguins.csv",delim=" "))

Desetinný oddělovač

Desetinná tečka (modrá), např. 3.14
Desetinná čárka (zelená), např. 3,14
Obojí (tmavě zelená)
Arabský oddělovač desetinných míst (červená)

Desetinné oddělovače ve světě

# Loading file with comma as decimal mark
penguins = DataFrame(CSV.File(
        "penguins.csv",
        decimal=',', delim=" "))

¹ Autor: NuclearVacuum, Wikipedia

Načítání části datové sady

# Loading lines 13 till 27
penguins_part = DataFrame(CSV.File("penguins.csv", skipto=10, limit=3))

3×7 DataFrame
Row species  island     culmen_length_mm  culmen_depth_mm  ...
    String7  String15   Float64           Float64          ...
______________________________________________________________
1   Adelie   Torgersen  38.6              21.2             ...
2   Adelie   Torgersen  34.6              21.1             ...
3   Adelie   Torgersen  36.6              17.8             ...

Záhlaví

# Specifying header as a line
penguins_header = DataFrame(CSV.File("penguins.csv", header = 1))

333×7 DataFrame
Row species  island     culmen_length_mm  culmen_depth_mm  ...
    String7  String15   Float64           Float64          ...
______________________________________________________________
1   Adelie   Torgersen  39.1              18.7             ...
2   Adelie   Torgersen  39.5              17.4             ...
3   Adelie   Torgersen  40.3              18.0             ...
...

Záhlaví přes více řádků

# Multiline header
penguins_header = DataFrame(CSV.File("penguins.csv", header = [1, 2]))

332×7 DataFrame
Row species_Adelie  island_Torgersen  culmen_length_mm_39.1  ...
    String7         String15          Float64                ...
________________________________________________________________
1   Adelie          Torgersen         39.5                   ...
2   Adelie          Torgersen         40.3                   ...
3   Adelie          Torgersen         36.7                   ...
...

Nahrazení záhlaví

# Replacing header
penguins_header = DataFrame(CSV.File("penguins.csv",
                        header = [:species, :area, :culmen_l_mm, :culmen_d_mm,
                            :flipper_l_mm, :weight_g, :sex]))

333×7 DataFrame
Row species  area       culmen_l_mm  culmen_d_mm      ...
    String7  String15   Float64      Float64          ...
____________________________________________________
1   Adelie   Torgersen  39.1         18.7             ...
2   Adelie   Torgersen  39.5         17.4             ...
3   Adelie   Torgersen  40.3         18.0             ...
...

Zápis CSV souborů

# Save DataFrame
CSV.write("temp/transformed_penguins.csv", delim = " ", decimal = ',')

Přehled parametrů

delim=: Char nebo String oddělující hodnoty ve sloupcích; např. species,island,...
decimal=: Char určující oddělovač desetinných míst u čísel s plovoucí desetinnou čárkou; např. . v 3.14
skipto=: Int určující číslo řádku, od kterého se načítání zahájí; pozor – záhlaví je zahrnuto!
limit=: Int určující počet načítaných řádků
header=: Int pro číslo řádku záhlaví, Vector{Int} pro více řádků, Vector{String} nebo Vector{Symbol} pro přepsání záhlaví
CSV.File(path) načte soubor v path
CSV.write(path, df) zapíše df jako CSV do path

Dokumentace pro CSV.File() a CSV.write

Pojďme si procvičit!

Manipulace s daty v Julii