问题。如何在Python中把CSV文件导入到Pandas DataFrame中？

本文将讨论最有趣的例子，将CSV文件读取到Pandas DataFrame中。

如果没有特别说明，我们在所有的例子中都使用下面这个CSV文件。

**my_file.csv** :

Name,Job,Age,Income
Alice,Programmer,23,110000
Bob,Executive,34,90000
Carl,Sales,45,50000
让我们开始吧!
例子1 - CSV到数据框架
要将一个给定的CSV文件导入一个新创建的Pandas DataFrame，请使用pd.read_csv('my_file.csv') ，该函数返回一个以CSV文件中的内容创建的DataFrame'my_file.csv' 。
下面是一个快速和通用的代码片断，展示了这种方法。
import pandas as pd
df = pd.read_csv('my_file.csv')
print(df)
    Name         Job  Age  Income
0  Alice  Programmer   23  110000
1    Bob   Executive   34   90000
2   Carl       Sales   45   50000
你通过三个步骤将CSV文件转换为一个DataFrame。(1)导入pandas库，(2)使用 [pd.read_csv()](https://blog.finxter.com/read-and-write-flat-files-with-pandas/)并将文件名作为一个字符串参数传递，以及（3）打印生成的DataFrame（可选）。
import pandas as pd
df = pd.read_csv('my_file.csv')
print(df)
例2--从CSV中导入特定的列
如果你想导入CSV中的某一特定列，请使用参数usecols=['column_name'] 。
下面的例子只使用这种方法读取列'Name' 。
import pandas as pd
df = pd.read_csv('my_file.csv', usecols= ['Name'])
print(df)
0  Alice
1    Bob
2   Carl
例3--从CSV中导入子集的列
如果你想从CSV中导入一个子集的列，使用参数usecols= ['column_name_1','column_name_2'] 。
import pandas as pd
df = pd.read_csv('my_file.csv', usecols= ['Name','Age'])
print(df)
    Name  Age
0  Alice   23
1    Bob   34
2   Carl   45
例4 - 为CSV文件使用自定义分隔符
你可以通过添加可选的参数sep ，为CSV文件指定一个自定义分隔符。
要使用表格分隔符，请使用sep='\t' ，作为pd.read_csv() 的参数。
要使用分号分隔符，请使用sep=';' ，作为pd.read_csv() 的参数。
pd.read_csv() 的默认分隔符参数是sep=',' 。
import pandas as pd
df = pd.read_csv('my_file.csv', sep='\t')
print(df)
如果在文件'my_file.csv' 中使用表格字符作为分隔符，本例将生成与例1中已显示的相同的DataFrame。
    Name         Job  Age  Income
0  Alice  Programmer   23  110000
1    Bob   Executive   34   90000
2   Carl       Sales   45   50000
例5 - 读取带有自定义标题的CSV文件
默认情况下，CSV文件的第一行将被df.read_csv() 函数作为DataFrame的标题。
要将CSV文件读入带有自定义页眉的DataFrame，请调用pd.read_csv("my_file.csv", skiprows=1, names=column_names) 。
skiprows=1 确保你将跳过包含默认列名的第一行。我们将在下面更详细地探讨这个问题。
names=column_names 将存储在变量中的列名作为一个列表传给 。这些是新创建的DataFrame的新列名（=headers）。['Spouse', 'Former Job', 'Insta Followers', 'Insta Likes']
下面是一个例子。
import pandas as pd
column_names = ['Spouse', 'Former Job', 'Insta Followers', 'Insta Likes']
df = pd.read_csv("my_file.csv", skiprows=1, names=column_names)
print(df)
  Spouse  Former Job  Insta Followers  Insta Likes
0  Alice  Programmer               23       110000
1    Bob   Executive               34        90000
2   Carl       Sales               45        50000
例6 - 使用自定义标题跳过CSV的前n行
import pandas as pd
n = 2  # no. of rows to skip
column_names = ['Spouse', 'Former Job', 'Insta Followers', 'Insta Likes']
df = pd.read_csv("my_file.csv", skiprows=2, names=column_names)
print(df)
  Spouse Former Job  Insta Followers  Insta Likes
0    Bob  Executive               34        90000
1   Carl      Sales               45        50000
当设置skiprows=2 ，第一行(=原始标题)和第二行(=CSV的第一行)现在被跳过。
例7 - 读取带有第i行标题的CSV文件
要读取CSV文件，并在i-第1行设置页眉，你可以像这样把行索引i 作为页眉参数。pd.read_csv("my_file.csv", header = i).i-第1行现在将被作为新创建的DataFrame的列标题。
下面的例子显示了如何将CSV读到DataFrame中，其标题在第二行，索引为i=1 。
import pandas as pd
i = 1    # header row index
df = pd.read_csv("my_file.csv", header = i)
print(df)
  Alice Programmer  23  110000
0   Bob  Executive  34   90000
1  Carl      Sales  45   50000
在这个例子中，CSV的第二行被作为标题。第一行被完全忽略了。
例子 8 - 读取没有页眉的CSV文件
如果你在调用pd.read_csv("my_file.csv", header=None) 时指定header=None ，Python 将分配连续的整数值 (0, 1, 2, ...) 作为列名。
import pandas as pd
df = pd.read_csv("my_file.csv", header=None)
print(df)
       0           1    2       3
0   Name         Job  Age  Income
1  Alice  Programmer   23  110000
2    Bob   Executive   34   90000
3   Carl       Sales   45   50000
例 9 - 读取 CSV 自定义列头名称。前缀
如果你在调用pd.read_csv("my_file.csv", header=None) 时指定header=None ，Python 将分配连续的整数值 (0, 1, 2, ...) 作为列名。
如果你想批量修改列名，你可以额外指定前缀参数，即在每个连续的整数列名前插入一个前缀字符串。
例如，prefix='Col_' 与header=None 结合使用，将产生列名。
'Col_0'
'Col_1'
'Col_2'
下面是代码规范。
import pandas as pd
df = pd.read_csv("my_file.csv", header=None, prefix='Col_')
print(df)
   Col_0       Col_1 Col_2   Col_3
0   Name         Job   Age  Income
1  Alice  Programmer    23  110000
2    Bob   Executive    34   90000
3   Carl       Sales    45   50000
例10--将特定值设置为NaN(缺失值)
如果你想把CSV中的特定值设置为"非数字"(NaN)，你可以使用列表参数na_values=[val_1, ...] ，该参数有一个元素，当CSV加载到DataFrame时，每个值都会被设置为NaN 。
下面是一个将数值'Alice' 和23 设置为NaN 的例子。
import pandas as pd
df = pd.read_csv("my_file.csv", na_values=['Alice', 23])
print(df)
   Name         Job   Age  Income
0   NaN  Programmer   NaN  110000
1   Bob   Executive  34.0   90000
2  Carl       Sales  45.0   50000
缺少的值用粗体字突出显示。
例11--在URL上加载CSV到DataFrame中
给出带有所需CSV文件位置的字符串URL（例如，"https://www.my_url.com/my_file.csv" ）。你可以通过将URL作为pd.read_csv() 函数的第一个参数，而不是本地文件路径，将内容加载到DataFrame。
Pandas会自动计算出这是一个URL。
import pandas as pd
df = pd.read_csv("https://www.my_url.com/my_file.csv")
print(df)
输出 - 假设CSV文件确实存在。
    Name         Job  Age  Income
0  Alice  Programmer   23  110000
1    Bob   Executive   34   90000
2   Carl       Sales   45   50000
例子12 - 跳过最后的i行加载CSV到DataFrame
你可以通过在pd.read_csv() 函数中设置skipfooter=i 参数来跳过最后的i 行。CSV的第一行仍将是用于列名的标题。但是最后的i 行将从CSV中被忽略。
下面是一个例子。
import pandas as pd
df = pd.read_csv("my_file.csv", skipfooter=2)
print(df)
    Name         Job  Age  Income
0  Alice  Programmer   23  110000
第一行仍然被作为标题。但是最后的i=2 行被跳过，所以剩下的DataFrame只有一行。
例13--加载CSV到DataFrame时忽略注释行
假设你有一个带有一些注释的CSV文件（例如，以标签字符'#' 开始）。
**'my_file.csv'**:
Name,Job,Age,Income
Alice,Programmer,23,110000
# Ignore this line
Bob,Executive,34,90000
Carl,Sales,45,50000
# This line is ignored too
你可以加载CSV文件并忽略那些以特定 "注释字符"（如符号'#' ）开始的行，方法是将参数comment='#' 传递给pd.read_csv() 函数。
下面是一个例子。
import pandas as pd
df = pd.read_csv("my_file.csv", comment="#")
print(df)
输出是忽略了注释行的DataFrame。
    Name         Job  Age  Income
0  Alice  Programmer   23  110000
1    Bob   Executive   34   90000
2   Carl       Sales   45   50000
如果不设置注释参数，DataFrame将试图加载注释行，这在实际的代码项目中会产生非常奇怪的行为。
                         Name         Job   Age    Income
0                       Alice  Programmer  23.0  110000.0
1          # Ignore this line         NaN   NaN       NaN
2                         Bob   Executive  34.0   90000.0
3                        Carl       Sales  45.0   50000.0
4  # This line is ignored too         NaN   NaN       NaN
突出显示的行显然不是我们想要的行为，所以要相应地使用comment 参数来解决这个问题!
例子14 - 测量导入CSV到DataFrame时的运行时间
pd.read_csv() 函数的verbose=True 参数允许你测量加载一个CSV文件时的运行时间。
对于小的CSV文件，由于高速的效率，耗费的运行时间将总是产生0。但对于性能要求高的项目或大规模的CSV文件，这个参数可以使你的生活更轻松
import pandas as pd
df = pd.read_csv("my_file.csv", verbose=True)
print(df)
Tokenization took: 0.00 ms
Type conversion took: 0.00 ms
Parser memory cleanup took: 0.00 ms
    Name         Job  Age  Income
0  Alice  Programmer   23  110000
1    Bob   Executive   34   90000
2   Carl       Sales   45   50000
在我们的案例中，由于CSV文件较小，所以耗费的运行时间确实很快。但是对于更大的、真实世界的CSV文件，这可以让你对你的代码的瓶颈有一个很好的了解，以便进行性能分析。
例子15--Pandas DataFrame到CSV
给出一个Pandas DataFrame。如何将其保存在CSV文件中？
你可以将一个列表转换为 PandasDataFrame，为你提供强大的功能，如to_csv() 方法。这是最简单的方法，它可以让你避免导入另一个库（反正我在很多Python项目中使用Pandas）。
salary = [['Alice', 'Data Scientist', 122000],
          ['Bob', 'Engineer', 77000],
          ['Ann', 'Manager', 119000]]
import pandas as pd
df = pd.DataFrame(salary)
df.to_csv('file2.csv', index=False, header=False)
# file2.csv
Alice,Data Scientist,122000
Bob,Engineer,77000
Ann,Manager,119000
例子16 - CSV转数据框架 设置特定值为真
你可以在加载CSV文件到DataFrame时，通过定义true_values 参数，将特定的值设置为True 。只需在pd.read_csv() 函数中传递一个要作为True 的值的列表。
例如，true_values=['Alice', 'Bob'] 将在DataFrame中把每个出现的'Alice' 或'Bob' 设置为True 。
import pandas as pd
df = pd.read_csv("my_file.csv", true_values=['Alice', 'Bob'])
print(df)
    Name         Job  Age  Income
0  True  Programmer   23  110000
1    True   Executive   34   90000
2   Carl       Sales   45   50000
例子17 - CSV到DataFrame 设置特定值为假值
你可以通过定义false_values 参数，在加载CSV文件到DataFrame时，将特定的值设置为False 。只需在pd.read_csv() 函数中传递一个要作为False 的值的列表。
例如，false_values=['Alice', 'Bob'] 将在DataFrame中把每个出现的'Alice' 或'Bob' 设置为False 。
import pandas as pd
df = pd.read_csv("my_file.csv", false_values=['Alice', 'Bob'])
print(df)
    Name         Job  Age  Income
0  False  Programmer   23  110000
1    False   Executive   34   90000
2   Carl       Sales   45   50000
幽默的程序员
当 深度学习算法得到的大部分积极反馈都是讽刺性的时候，就很难训练它们。