Importar archivo CSV como un DataFrame de pandas

¿Cuál es la forma de Python para leer un archivo CSV en un DataFrame de pandas (que luego puedo usar para operaciones estadísticas, puede tener columnas de tipos diferentes, etc.)?

Mi archivo CSV "value.txt"tiene el siguiente contenido:

Date,"price","factor_1","factor_2"
2012-06-11,1600.20,1.255,1.548
2012-06-12,1610.02,1.258,1.554
2012-06-13,1618.07,1.249,1.552
2012-06-14,1624.40,1.253,1.556
2012-06-15,1626.15,1.258,1.552
2012-06-16,1626.15,1.263,1.558
2012-06-17,1626.15,1.264,1.572

En R leeríamos este archivo usando:

price <- read.csv("value.txt")  

y eso devolvería un R data.frame:

> price <- read.csv("value.txt")
> price
     Date   price factor_1 factor_2
1  2012-06-11 1600.20    1.255    1.548
2  2012-06-12 1610.02    1.258    1.554
3  2012-06-13 1618.07    1.249    1.552
4  2012-06-14 1624.40    1.253    1.556
5  2012-06-15 1626.15    1.258    1.552
6  2012-06-16 1626.15    1.263    1.558
7  2012-06-17 1626.15    1.264    1.572

¿Existe una forma Pythonic de obtener la misma funcionalidad?

pandas al rescate:

import pandas as pd
print pd.read_csv('value.txt')

        Date    price  factor_1  factor_2
0  2012-06-11  1600.20     1.255     1.548
1  2012-06-12  1610.02     1.258     1.554
2  2012-06-13  1618.07     1.249     1.552
3  2012-06-14  1624.40     1.253     1.556
4  2012-06-15  1626.15     1.258     1.552
5  2012-06-16  1626.15     1.263     1.558
6  2012-06-17  1626.15     1.264     1.572

Esto devuelve pandas DataFrame que es similar a R's.

Para leer un archivo CSV como un DataFrame de pandas, necesitará usar pd.read_csv.

Pero aquí no es donde termina la historia; Los datos existen en muchos formatos diferentes y se almacenan de diferentes maneras, por lo que a menudo necesitará pasar parámetros adicionales read_csvpara asegurarse de que sus datos se lean correctamente.

Aquí hay una tabla que enumera los escenarios comunes encontrados con los archivos CSV junto con el argumento apropiado que necesitará usar. Por lo general, necesitará todos o una combinación de los siguientes argumentos para leer sus datos.

┌──────────────────────────────────────────────────────────┬─────────────────────────────┬────────────────────────────────────────────────────────┐
│  Scenario                                                │  Argument                   │  Example                                               │
├──────────────────────────────────────────────────────────┼─────────────────────────────┼────────────────────────────────────────────────────────┤
│  Read CSV with different separator¹                      │  sep/delimiter              │  read_csv(..., sep=';')                                │
│  Read CSV with tab/whitespace separator                  │  delim_whitespace           │  read_csv(..., delim_whitespace=True)                  │
│  Fix UnicodeDecodeError while reading²                   │  encoding                   │  read_csv(..., encoding='latin-1')                     │
│  Read CSV without headers³                               │  header and names           │  read_csv(..., header=False, names=['x', 'y', 'z'])    │
│  Specify which column to set as the index⁴               │  index_col                  │  read_csv(..., index_col=[0])                          │
│  Read subset of columns                                  │  usecols                    │  read_csv(..., usecols=['x', 'y'])                     │
│  Numeric data is in European format (eg., 1.234,56)      │  thousands and decimal      │  read_csv(..., thousands='.', decimal=',')             │
└──────────────────────────────────────────────────────────┴─────────────────────────────┴────────────────────────────────────────────────────────┘

Notas al pie

1. De forma predeterminada, read_csvutiliza un motor analizador C para el rendimiento. El analizador C solo puede manejar separadores de un solo carácter. Si su CSV tiene un separador de varios caracteres, deberá modificar su código para usar el 'python'motor. También puede pasar expresiones regulares:

   df = pd.read_csv(..., sep=r'\s*\|\s*', engine='python')
   

2. UnicodeDecodeErrorocurre cuando los datos se almacenaron en un formato de codificación pero se leyeron en otro diferente e incompatible. Los esquemas de codificación más comunes son 'utf-8'y 'latin-1', es probable que sus datos encajen en uno de estos.

3. header=Falseespecifica que la primera fila en el CSV es una fila de datos en lugar de una fila de encabezado, y le names=[...]permite especificar una lista de nombres de columna para asignar al DataFrame cuando se crea.

4. "Sin nombre: 0" ocurre cuando un DataFrame con un índice sin nombre se guarda en CSV y luego se vuelve a leer. En lugar de tener que solucionar el problema mientras lee, también puede solucionarlo al escribir utilizando

   df.to_csv(..., index=False)
   

Hay otros argumentos que no he mencionado aquí, pero estos son los que encontrará con más frecuencia.

Aquí hay una alternativa a la biblioteca pandas usando el módulo csv incorporado de Python .

import csv
from pprint import pprint
with open('foo.csv', 'rb') as f:
    reader = csv.reader(f)
    headers = reader.next()
    column = {h:[] for h in headers}
    for row in reader:
        for h, v in zip(headers, row):
            column[h].append(v)
    pprint(column)    # Pretty printer

imprimirá

{'Date': ['2012-06-11',
          '2012-06-12',
          '2012-06-13',
          '2012-06-14',
          '2012-06-15',
          '2012-06-16',
          '2012-06-17'],
 'factor_1': ['1.255', '1.258', '1.249', '1.253', '1.258', '1.263', '1.264'],
 'factor_2': ['1.548', '1.554', '1.552', '1.556', '1.552', '1.558', '1.572'],
 'price': ['1600.20',
           '1610.02',
           '1618.07',
           '1624.40',
           '1626.15',
           '1626.15',
           '1626.15']}

import pandas as pd
df = pd.read_csv('/PathToFile.txt', sep = ',')

Esto importará su archivo .txt o .csv a un DataFrame.

Prueba esto

import pandas as pd
data=pd.read_csv('C:/Users/Downloads/winequality-red.csv')

Reemplace la ubicación de destino del archivo, con el lugar donde se encuentra su conjunto de datos, consulte esta URL https://medium.com/@kanchanardj/jargon-in-python-used-in-data-science-to-laymans-language-part- one-12ddfd31592f

%cd C:\Users\asus\Desktop\python
import pandas as pd
df = pd.read_csv('value.txt')
df.head()
    Date    price   factor_1    factor_2
0   2012-06-11  1600.20 1.255   1.548
1   2012-06-12  1610.02 1.258   1.554
2   2012-06-13  1618.07 1.249   1.552
3   2012-06-14  1624.40 1.253   1.556
4   2012-06-15  1626.15 1.258   1.552

Puedes usar el módulo csv encuentra en la biblioteca estándar de Python para manipular archivos CSV.

ejemplo:

import csv
with open('some.csv', 'rb') as f:
    reader = csv.reader(f)
    for row in reader:
        print row

importar pandas como
conjunto de datos pd = pd.read_csv ('/ home / nspython / Downloads / movie_metadata1.csv')

Tenga en cuenta que es igual de limpio, pero:

import csv

with open("value.txt", "r") as f:
    csv_reader = reader(f)
    num = '  '
    for row in csv_reader:
        print num, '\t'.join(row)
        if num == '  ':  
            num=0
        num=num+1

No tan compacto, pero hace el trabajo:

   Date price   factor_1    factor_2
1 2012-06-11    1600.20 1.255   1.548
2 2012-06-12    1610.02 1.258   1.554
3 2012-06-13    1618.07 1.249   1.552
4 2012-06-14    1624.40 1.253   1.556
5 2012-06-15    1626.15 1.258   1.552
6 2012-06-16    1626.15 1.263   1.558
7 2012-06-17    1626.15 1.264   1.572