Introduktion till platta filer

Effektiv datainläsning med pandas

Amany Mahfouz

Instructor

pandas

pandas-logotyp

Dataramar

pandas-specifik struktur för tvådimensionell data

Dataram med länder, huvudstäder och landareal i kvadratmil

Dataramar

pandas-specifik struktur för tvådimensionell data

Dataram med markerade kolumnetiketter (Country, Population och Area (sq. mi.))

Dataramar

pandas-specifik struktur för tvådimensionell data

Dataram med markerade radetiketter/index

Platta filer

Enkelt och lättproducerat format
Data lagras som ren text (ingen formatering)
En rad per post
Värden separeras med en avgränsare
Vanligaste typen: kommaseparerade värden
En pandas-funktion för att läsa in dem: read_csv()

Läsa in CSV-filer

Utdrag ur 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]

Läsa in andra platta filer

Ange en annan avgränsare med sep

Utdrag ur 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]

Nu kör vi en övning!

Effektiv datainläsning med pandas