用python資料處理csv

合併兩表

生成資料透視表

處理缺失值

統計某特徵

import pandas as pd

df=pd.read_csv(
"位址"
)# 若為xlsx
df=pd.read_excel(
"位址"
)# 選取行
rows=df[0:
3]rows
# 選取列
cols=df[
['1'
,'2']]
cols.head(
)# head展示前五行(表頭除外）
# 選取塊
df.ix[0:
3,['1'
,'2']]
# 三行兩列的資料
# 資料分割
df2=df[80:
90][[
'1',
'2']
]

df.to_csv(

"空檔案位址"
,columns=
["name1"
,"name2"
],index=
false
,header=
true
)df.to_excel(..
.)

index是索引，若新增索引則放置在第一列。

header是列頭。

# 檢視資料資訊

df.info(
)# 描述性資訊如最值，平均值
df.describe(
)

df[

'3']
=df[
'1']
+df[
'2']

df[

(df[
'1']
<
100)
&(df[
'2']
>
10000
)]

df1=df.set_index(

'1')
df1=df1.sort_index(
)df1.head(
)

df2=df.set_index(

['1'
,'2'])
.sortlevel(0)
# 根據第乙個索引排序
df2.head(
)

means=df[

'1']
.groupby(df[
'2']
,df[
'3']
).mean(
)df.groupby(
['2'
,'3'])
.mean(
)# 其他所有行的平均值，非數值列會被自動排除
df.groupby(
['2'
,'3'])
.size(
)

# axis=0刪掉行，axis=1刪掉列

df_mean=df.drop(
['1'
,'2'
],axis=1)
.groupby(
'place'
).mean(
).sort_values(
"money"
,ascending=
false
)df_sum=df.drop(
['1'
,'2'
],axis=1)
.groupby(
'place').
sum(
).sort_values(
"money"
,ascending=
false
)

pd.merge(df1,df2)

df2=pd.pivot_table(df,values=

['price'
],index=
['from'
],columns=
['to'
])

df.fillna(

'missing'
)# 用missing代替nan
df.fillna(df.mean())
# 用平均值代替nan

valid_count=df.groupby(

['name'])
['valid'
].value_counts(
)

用Python處理csv檔案

csv 是 逗號分隔值 的英文縮寫，通常都是純文字檔案。建議使用 wordpad 或是記事本 note 來開啟，再則先另存新檔後用 excel 開啟，也是方法之一。一直以為 csv 是某種 excel 檔案，原來是一種純文字檔案，嘗試用記事本開啟乙個 csv 檔案 果然，在記事本中是以逗號為分隔符，...

day 4 csv資料處理

在資料中間使用逗號分隔開，這樣的格式稱為csv檔案。下面學習如何視覺化csv檔案 開啟csv模組，csv模組包括在python的標準庫中，可以直接使用。開啟檔案 with open 函式 建立閱讀器 reader csv.reader f 使用csv模組中的reader函式，建立乙個閱讀器，注意，該...

Python 資料處理

將檔案切分，存入列表 strip split with open james.txt as jaf data jaf.readline james data.strip split 資料檔案為 2 34,3 21,2.34,2.45,3.01,2 01,2 01,3 10,2 22 print ja...