修改平面文件导入

使用 pandas 高效导入数据

Amany Mahfouz

Instructor

美国税务数据

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

print(tax_data.shape)

(179796, 147)

限制列

使用 usecols 选择要加载的列
可接收列号、列名列表，或用于筛选列名的函数

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

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

# 按列名选择加载
tax_data_v1 = pd.read_csv('us_tax_data_2016.csv', 
                        usecols=col_names)

# 按列号选择加载
tax_data_v2 = pd.read_csv('us_tax_data_2016.csv',
                        usecols=col_nums)

print(tax_data_v1.equals(tax_data_v2))

True

限制行

使用关键字参数 nrows 限制加载的行数

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

print(tax_data_first1000.shape)

(1000, 147)

限制行

结合 nrows 与 skiprows 分块处理文件
skiprows 可接收行号列表、行数或用于筛选行的函数
设置 header=None，让 pandas 知道没有列名

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

限制行

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]

指定列名

通过向 names 传入列表来提供列名
列表中必须包含数据中每一列的名称
如仅需重命名少数列，请在导入后再处理！

指定列名

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]

Vamos praticar!

使用 pandas 高效导入数据