Введение в плоские файлы

Эффективный импорт данных с pandas

Amany Mahfouz

Instructor

pandas

pandas logo

Датафреймы

Структура pandas для двумерных данных

Таблица с данными о странах, столицах и площади в квадратных милях

Датафреймы

Структура pandas для двумерных данных

Датафрейм с выделенными метками столбцов (Country, Population и Area (sq. mi.))

Датафреймы

Структура pandas для двумерных данных

Датафрейм с выделенными метками строк и индексами

Плоские файлы

Простой и удобный формат
Данные хранятся как обычный текст (без форматирования)
Одна строка на запись
Значения полей разделяются разделителем
Самый распространённый тип: значения, разделённые запятыми
Одна функция pandas для загрузки: read_csv()

Загрузка CSV-файлов

Пример файла us_tax_data_2016.csv

STATEFIPS,STATE,zipcode,agi_stub,...,N11901,A11901,N11902,A11902
1,AL,0,1,...,63420,51444,711580,1831661

import pandas as pd


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

tax_data.head(4)

   STATEFIPS STATE  zipcode  agi_stub   ...     N11901  A11901  N11902   A11902
0          1    AL        0         1   ...      63420   51444  711580  1831661
1          1    AL        0         2   ...      74090  110889  416090  1173463
2          1    AL        0         3   ...      64000  143060  195130   543284
3          1    AL        0         4   ...      45020  128920  117410   381329

[4 rows x 147 columns]

Загрузка других плоских файлов

Укажите другой разделитель с помощью sep

Пример файла us_tax_data_2016.tsv

STATEFIPS    STATE    zipcode    agi_stub    ...    N11901    A11901    N11902    A11902
1    AL    0    1    ...    63420    51444    711580    1831661

import pandas as pd

tax_data = pd.read_csv("us_tax_data_2016.tsv", sep="\t")

tax_data.head(3)

   STATEFIPS STATE  zipcode  agi_stub   ...     N11901  A11901  N11902   A11902
0          1    AL        0         1   ...      63420   51444  711580  1831661
1          1    AL        0         2   ...      74090  110889  416090  1173463
2          1    AL        0         3   ...      64000  143060  195130   543284

[3 rows x 147 columns]

Давайте потренируемся!

Эффективный импорт данных с pandas