pandas小记:pandas数据输入输出

Posted -柚子皮-

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了pandas小记:pandas数据输入输出相关的知识,希望对你有一定的参考价值。

http://blog.csdn.net/pipisorry/article/details/52208727

输出格式控制

pandas dataframe数据全部输出,数据太多也不用省略号表示。

pd.set_option('display.max_columns',None)

或者with option_context('display.max_rows', 10, 'display.max_columns', 5):

数据输入输出

数据pickling

pandas数据pickling比保存和读取csv文件要快2-3倍(lz测试不准,差不多这么多)。

ltu_df.to_pickle(os.path.join(CWD, 'middlewares/ltu_df'))
ltu_df = pd.read_pickle(os.path.join(CWD, 'middlewares/ltu_df'))

[read_pickle]

不过lz测试了一下,还是直接pickle比较快,比pd.read_pickle快2倍左右。

pickle.dump(ltu_df, open(os.path.join(CWD, 'middlewares/ltu_df.pkl'), 'wb'))

ltu_df = pickle.load(open(os.path.join(CWD, 'middlewares/ltu_df.pkl'), 'rb'))

 

CSV

通常来说,数据是CSV格式,就算不是,至少也可以转换成CSV格式。

读取csv文件 read_csv

lines = pd.read_csv(filename, sep='\\t', header=None,names=col_names, parse_dates=[1], skip_blank_lines=True, index_col=0).reset_index()


dateparse = lambda dates: pd.datetime.strptime(dates, '%Y-%m')
data = pd.read_csv('AirPassengers.csv', parse_dates='Month', index_col='Month',date_parser=dateparse)

参数:

filepath_or_buffer : str,pathlib。str, pathlib.Path, py._path.local.LocalPath or any object with a read() method (such as a file handle or StringIO). 可以是URL,可用URL类型包括:http, ftp, s3和文件。本地文件读取实例:/localhost/path/to/table.csv.

sep : str, default ‘,’.指定分隔符。如果不指定参数,则会尝试使用逗号分隔。分隔符长于一个字符并且不是‘\\s+’,将使用python的语法分析器,并且忽略数据中的逗号。正则表达式例子:'\\r\\t'。

skiprows=2,表示前面两行[0, 1]都不读入,等价于skiprows=[0, 1];

nrows int, default None. Number of rows of file to read. Useful for reading pieces of large files.

header=None第0行不作为列名;

names=[''] 指定列名;

parse_dates=[]  解析指定行为date类型;

dtype : Type name or dict of column -> type, default None 每列数据的数据类型。例如 dtype={'a': np.float64, 'b': np.int32}或者dtype=str。

encoding : str, default None指定字符集类型,通常指定为'utf-8'. List of Python standard encodings

index_col=0   指定某列为行索引,否则自动索引0, 1, .....。reset_index()是其反操作。

quoting : int or csv.QUOTE_* instance, default 0. Control field quoting behavior per csv.QUOTE_* constants. Use one of QUOTE_MINIMAL (0), QUOTE_ALL (1), QUOTE_NONNUMERIC (2) or QUOTE_NONE (3). 控制csv中的引号常量。文本引入标志符,默认为双引号,若读取的数据中包含双引号,则需要在函数中写入这个参数,quoting=3,3代表None,即无文本引入标志符,否则将会出现读取串行现象。如果报错:pandas.errors.ParserError: Error tokenizing data. C error: EOF inside string starting at row,需要设置 import csv 参数加上quoting=csv.QUOTE_NONE。

lineterminator : str (length 1), default None 行分割符,只在C解析器下使用。如果报错:pandas.errors.ParserError: Error tokenizing data. C error: Buffer overflow caught - possible malformed input file. 解决:the cause was that there were some carriage returns "\\r" in the data that pandas was using as a line terminator as if it was "\\n". I thought I'd post here as that might be a common reason this error might come up.The solution I found was to add lineterminator='\\n' into the read_csv function。

doublequote : boolean, default True. 双引号,当单引号已经被定义,并且quoting 参数不是QUOTE_NONE的时候,使用双引号表示引号内的元素作为一个元素使用。

escapechar : str (length 1), default None. 当quoting 为QUOTE_NONE时,指定一个字符使的不受分隔符限值。

error_bad_lines: 默认为True,如果想要跳过出错的行,继续向下读取,可将其设为False。

parse_dates:这是指定含有时间数据信息的列。正如上面所说的,列的名称为“月份”。
index_col:使用pandas 的时间序列数据背后的关键思想是:目录成为描述时间数据信息的变量。所以该参数告诉pandas使用“月份”的列作为索引。
date_parser:指定将输入的字符串转换为可变的时间数据。Pandas默认的数据读取格式是‘YYYY-MM-DD HH:MM:SS’。如需要读取的数据没有默认的格式,就要人工定义。这和dataparse的功能部分相似,这里的定义可以为这一目的服务。[python模块 - 时间模块 ]

converters : dict, default None: Dict of functions for converting values in certain columns. Keys can eitherbe integers or column labels.将数据某列按特定函数转化,必然可以取代自定义时date_parser和parse_dates两个参数呀。

如解析时间时想返回时间戳的浮点数表示时:def dateParse(s): return float(__import__('datetime').datetime.timestamp(__import__('dateutil.parser').parser.parse(s)))

df = pd.read_csv(os.path.join(CA_DATASET_DIR, checkin_ca), header=0, sep='\\t', converters={'Time(GMT)': dateParse})

[pandas.read_csv参数详解]

[Reading from a csv file]

Note: 读取速度比numpy.loadtxt快多了,近10倍,包括转换成list的时间。

# Reading data from web

data_url="https://raw.githubusercontent.com/alstat/Analysis-with-Programming/master/2014/Python/Numerical-Descriptions-of-the-Data/data.csv"

df =pd.read_csv(data_url)

写入csv文件Writing to a csv file

header: Whether to write out the column names (default True)

data_df.to_csv(path,index=False, sep='\\t', header=True, encoding='utf-8')

Note:

1 在参数中加上index=False,否则写入的数据会默认加上index,大多数是没有用的。

2 不用header时的设置header=False。

[CSV & text files]

 

Excel

好像如果使用pd.read_excel要安装xlrd:pip install xlrd

Reading from an excel file

pandas.read_excel(iosheet_name=0header=0names=Noneindex_col=Noneusecols=Nonesqueeze=Falsedtype=Noneengine=Noneconverters=Nonetrue_values=Nonefalse_values=Noneskiprows=Nonenrows=Nonena_values=Noneparse_dates=Falsedate_parser=Nonethousands=Nonecomment=Noneskipfooter=0convert_float=True**kwds)

参数:converters:读数据的时候使用converters指定列数据的数值类型 pd.read_excel('a.xlsx',converters={0: str})。

sheet_name: None就是读取所有的sheet,返回的就是一个ordereddict;指定就只读取指定sheet,只有一个返回的就是dataframe。

header:指定header所在列 (0开始)。

只读1页返回df

df = pd.read_excel(file_name, sheet_name="Sheet2", names=['col1', 'col2'], header=None, dtype=object) 

读所有页返回dict

data_df_dict = pd.read_excel(filename, sheet_name=None, header=0)

data_df = pd.concat(data_df_dict.values())

Writing to an excel file

df.to_excel('a.xlsx', index=False, sheet_name='Sheet1')

[Excel files]

 

HDF5

Reading and writing to HDFStores

Writing to a HDF5 Store

In [138]: df.to_hdf('foo.h5','df')

Reading from a HDF5 Store

In [139]: pd.read_hdf('foo.h5','df')
Out[139]: 
                    A          B         C          D
2000-01-01   0.266457  -0.399641 -0.219582   1.186860
2000-01-02  -1.170732  -0.345873  1.653061  -0.282953
...               ...        ...       ...        ...
2002-09-25 -10.216020  -9.480682 -3.933802  29.758560
2002-09-26 -11.856774 -10.671012 -3.216025  29.369368

[1000 rows x 4 columns]

Gotchas

If you are trying an operation and you see an exception like:

>>> if pd.Series([False, True, False]):
    print("I was true")
Traceback
    ...
ValueError: The truth value of an array is ambiguous. Use a.empty, a.any() or a.all().

See Comparisons for an explanation and what to do.

See Gotchas as well.

[CSV & Text files]

from: http://blog.csdn.net/pipisorry/article/details/52208727

ref:  [pandas输入输出官网IO Tools (Text, CSV, HDF5, ...)]

 

以上是关于pandas小记:pandas数据输入输出的主要内容,如果未能解决你的问题,请参考以下文章

pandas小记:pandas数据规整化

学习pandas全套代码超详细数据查看输入输出选取集成清洗转换重塑数学和统计方法排序

Pandas 数据输入 / 输出

text [检查特定的数据片段]取自论文但有意思应用。 #python #pandas

pandas GroupBy上的方法apply:一般性的“拆分-应用-合并”

在 Python 中将函数输出(包括 pandas DataFrame)保存到工作区