Python - Processando Dados CSV
Ler dados de CSV (valores separados por vírgula) é uma necessidade fundamental em Data Science. Freqüentemente, obtemos dados de várias fontes que podem ser exportados para o formato CSV para que possam ser usados por outros sistemas. A biblioteca Panadas fornece recursos com os quais podemos ler o arquivo CSV na íntegra, bem como em partes, para apenas um grupo selecionado de colunas e linhas.
Entrada como arquivo CSV
O arquivo csv é um arquivo de texto no qual os valores nas colunas são separados por uma vírgula. Vamos considerar os seguintes dados presentes no arquivo chamadoinput.csv.
Você pode criar este arquivo usando o bloco de notas do Windows, copiando e colando esses dados. Salve o arquivo comoinput.csv usando a opção salvar como todos os arquivos (*. *) no bloco de notas.
id,name,salary,start_date,dept
1,Rick,623.3,2012-01-01,IT
2,Dan,515.2,2013-09-23,Operations
3,Tusar,611,2014-11-15,IT
4,Ryan,729,2014-05-11,HR
5,Gary,843.25,2015-03-27,Finance
6,Rasmi,578,2013-05-21,IT
7,Pranab,632.8,2013-07-30,Operations
8,Guru,722.5,2014-06-17,FinanceLer um arquivo CSV
o read_csvA função da biblioteca pandas é usada para ler o conteúdo de um arquivo CSV no ambiente python como um DataFrame do pandas. A função pode ler os arquivos do sistema operacional usando o caminho adequado para o arquivo.
import pandas as pd
data = pd.read_csv('path/input.csv')
print (data)Quando executamos o código acima, ele produz o seguinte resultado. Observe como uma coluna adicional começando com zero como um índice foi criada pela função.
id name salary start_date dept
0 1 Rick 623.30 2012-01-01 IT
1 2 Dan 515.20 2013-09-23 Operations
2 3 Tusar 611.00 2014-11-15 IT
3 4 Ryan 729.00 2014-05-11 HR
4 5 Gary 843.25 2015-03-27 Finance
5 6 Rasmi 578.00 2013-05-21 IT
6 7 Pranab 632.80 2013-07-30 Operations
7 8 Guru 722.50 2014-06-17 FinanceLeitura de linhas específicas
o read_csvA função da biblioteca pandas também pode ser usada para ler algumas linhas específicas para uma determinada coluna. Cortamos o resultado da função read_csv usando o código mostrado abaixo para as primeiras 5 linhas da coluna chamada salary.
import pandas as pd
data = pd.read_csv('path/input.csv')
# Slice the result for first 5 rows
print (data[0:5]['salary'])Quando executamos o código acima, ele produz o seguinte resultado.
0 623.30
1 515.20
2 611.00
3 729.00
4 843.25
Name: salary, dtype: float64Lendo colunas específicas
o read_csvA função da biblioteca pandas também pode ser usada para ler algumas colunas específicas. Usamos o método de indexação multi-eixos chamado.loc()para este propósito. Optamos por exibir a coluna de salário e nome para todas as linhas.
import pandas as pd
data = pd.read_csv('path/input.csv')
# Use the multi-axes indexing funtion
print (data.loc[:,['salary','name']])Quando executamos o código acima, ele produz o seguinte resultado.
salary name
0 623.30 Rick
1 515.20 Dan
2 611.00 Tusar
3 729.00 Ryan
4 843.25 Gary
5 578.00 Rasmi
6 632.80 Pranab
7 722.50 GuruLeitura de colunas e linhas específicas
o read_csvA função da biblioteca pandas também pode ser usada para ler algumas colunas e linhas específicas. Usamos o método de indexação multi-eixos chamado.loc()para este propósito. Optamos por exibir a coluna de salário e nome para algumas das linhas.
import pandas as pd
data = pd.read_csv('path/input.csv')
# Use the multi-axes indexing funtion
print (data.loc[[1,3,5],['salary','name']])Quando executamos o código acima, ele produz o seguinte resultado.
salary name
1 515.2 Dan
3 729.0 Ryan
5 578.0 RasmiLendo colunas específicas para um intervalo de linhas
o read_csvA função da biblioteca pandas também pode ser usada para ler algumas colunas específicas e um intervalo de linhas. Usamos o método de indexação multi-eixos chamado.loc()para este propósito. Optamos por exibir a coluna de salário e nome para algumas das linhas.
import pandas as pd
data = pd.read_csv('path/input.csv')
# Use the multi-axes indexing funtion
print (data.loc[2:6,['salary','name']])Quando executamos o código acima, ele produz o seguinte resultado.
salary name
2 611.00 Tusar
3 729.00 Ryan
4 843.25 Gary
5 578.00 Rasmi
6 632.80 Pranab