調整平面檔匯入

使用 pandas 的精實資料導入

Amany Mahfouz

Instructor

美國稅務資料

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

print(tax_data.shape)

(179796, 147)

限制欄位

以 usecols 參數選取要載入的欄位
可傳入欄位編號或名稱的清單，或用函式過濾欄名

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

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

# 依欄名載入欄位
tax_data_v1 = pd.read_csv('us_tax_data_2016.csv', 
                        usecols=col_names)

# 依欄號載入欄位
tax_data_v2 = pd.read_csv('us_tax_data_2016.csv',
                        usecols=col_nums)

print(tax_data_v1.equals(tax_data_v2))

True

限制列數

用 nrows 參數限制載入的列數

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

print(tax_data_first1000.shape)

(1000, 147)

限制列數

同時使用 nrows 與 skiprows，可分批處理檔案
skiprows 可傳入列號清單、列數，或用函式過濾列
設定 header=None，讓 pandas 知道沒有欄名

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

限制列數

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]

指定欄名

透過 names 參數傳入清單來指定欄名
清單中必須為資料中的每個欄位提供名稱
如果只需改少數欄名，匯入後再重新命名即可！

指定欄名

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]

一起來練習吧！

使用 pandas 的精實資料導入