Kurzanleitung zum Lesen von TXT-Dateien mit Pandas

Pandas ist eine Datenverarbeitungsbibliothek, die zum Lesen, Bearbeiten und Analysieren von Daten verwendet werden kann. In diesem Artikel stellen wir vor, wie man TXT-Dateien mit Pandas liest. Dieser Artikel richtet sich an Anfänger, die Pandas lernen möchten.

1. Importieren Sie die Pandas-Bibliothek

Importieren Sie zunächst die Pandas-Bibliothek in Python.

import pandas as pd

2. Textdateien lesen

Bevor wir TXT-Dateien lesen, müssen wir einige allgemeine Parameter von TXT-Dateien verstehen: Sie können den Spaltennamen manuell angeben.

index_col: Legen Sie eine bestimmte Spalte als Indexspalte fest, nicht standardmäßig festgelegt.
skiprows: Überspringen Sie die vorherige Anzahl von Zeilen.
sep: Geben Sie das Trennzeichen an.
• Beispiel: Angenommen, wir haben eine Datei mit dem Namen „data.txt“. Zuerst müssen wir die TXT-Datei mit der Funktion read_table() lesen. read_table() bietet eine sehr flexible Möglichkeit, Textdaten zu lesen.

data = pd.read_table('data.txt', delimiter=',', header=0)

Nach dem Login kopieren
Sehen Sie sich die gelesenen Daten an

verwenden, um die ersten Zeilen der gelesenen Daten anzuzeigen. Standardmäßig werden die ersten 5 Datenzeilen angezeigt.

print(data.head())

3. Datenbereinigung

Nachdem wir die Daten gelesen haben, müssen wir die notwendige Bereinigung und Transformation durchführen. Dazu gehört normalerweise das Entfernen nutzloser Spalten, das Entfernen fehlender Werte, das Umbenennen von Spaltennamen, das Konvertieren von Datentypen usw. Hier sind einige gängige Datenbereinigungsmethoden. .head()

Unnötige Spalten entfernen:

data = data.drop(columns=['ID'])

Nach dem Login kopieren

Fehlende Werte entfernen:

data.dropna(inplace=True)

Nach dem Login kopieren
Spaltennamen umbenennen:

data = data.rename(columns={'OldName': 'NewName'})

Nach dem Login kopieren
Datentypen konvertieren:

data['ColumnName'] = data['ColumnName'].astype(str)
data['ColumnName'] = data['ColumnName'].astype(int)

Nach dem Login kopieren
Datenanalyse

• Nach der Datenbereinigung können wir Datenanalyse starten. Pandas bietet umfangreiche Methoden zur Datenverarbeitung.

total = data['ColumnName'].sum()
print(total)

Nach dem Login kopieren
5. In Pandas können Sie Ihre Daten mit der Funktion groupby() gruppieren. Nehmen wir zum Beispiel an, wir möchten Daten nach Namen gruppieren und nach der Gruppierung den Durchschnitt berechnen:

grouped_data = data.groupby(['Name']).mean()
print(grouped_data.head())

Nach dem Login kopieren

Datenvisualisierung

import matplotlib.pyplot as plt

plt.bar(data['ColumnName'], data['Count'])
plt.xlabel('ColumnName')
plt.ylabel('Count')
plt.title('ColumnName vs Count')
plt.show()

Das obige ist der detaillierte Inhalt vonKurzanleitung zum Lesen von TXT-Dateien mit Pandas. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!