Вступ до плоских файлів

Оптимізоване завантаження даних із pandas

Amany Mahfouz

Instructor

pandas

логотип pandas

DataFrame

Специфічна для pandas структура для двовимірних даних

Датафрейм із країнами, столицями та площею країни у квадратних милях

DataFrame

Специфічна для pandas структура для двовимірних даних

Датафрейм із підсвіченими мітками стовпців (Country, Population і Area (sq. mi.))

DataFrame

Специфічна для pandas структура для двовимірних даних

Датафрейм із підсвіченими мітками рядків/індексами

Плоскі файли

Простий, зручний для створення формат
Дані як звичайний текст (без форматування)
Один рядок — один запис
Значення полів розділені роздільником
Найпоширеніший тип: комами розділені значення
Одна функція pandas для завантаження: read_csv()

Завантаження CSV

Фрагмент 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]

Завантаження інших плоских файлів

Вкажіть інший роздільник через sep

Фрагмент 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 потренуємось!

Оптимізоване завантаження даних із pandas