Introduction aux fichiers plats

Ingestion de données rationalisée avec pandas

Amany Mahfouz

Instructor

pandas

logo de pandas

DataFrames

Structure propre à pandas pour des données bidimensionnelles

DataFrame de pays, capitales et superficie en milles carrés

DataFrames

Structure propre à pandas pour des données bidimensionnelles

DataFrame avec les étiquettes de colonnes (Country, Population et Area (sq. mi.)) en surbrillance

DataFrames

Structure propre à pandas pour des données bidimensionnelles

DataFrame avec les étiquettes d'index/lignes en surbrillance

Fichiers plats

Format simple et rapide à produire
Données en texte brut (sans mise en forme)
Une ligne par enregistrement
Valeurs de champs séparées par un délimiteur
Type le plus courant : valeurs séparées par des virgules
Une fonction pandas pour les charger : read_csv()

Charger des CSV

Extrait de 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]

Charger d'autres fichiers plats

Spécifier un autre délimiteur avec sep

Extrait de 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]

Passons à la pratique !

Ingestion de données rationalisée avec pandas