🚀【Python】進階學習：pandas–read_csv()用法詳解🚀

🌈 個人主頁：高斯小哥
🔥 高質量專欄：Matplotlib之旅：零基礎精通數據可視化、Python基礎【高質量合集】、PyTorch零基礎入門教程👈 希望得到您的訂閱和支持~
💡 創作高質量博文(平均質量分92+)，分享更多關于深度學習、PyTorch、Python領域的優質內容！（希望得到您的關注~）

---

📚 一、為什么需要read_csv()？

??在數據分析的旅程中，我們經常需要從CSV（Comma Separated Values，逗號分隔值）文件中讀取數據。CSV是一種常見的數據存儲格式，由于其簡單性和通用性，被廣泛應用于各種領域。Pandas庫中的read_csv()函數為我們提供了一個方便、高效的方式來讀取這些數據。

🔍 二、read_csv()的基本用法

使用read_csv()函數讀取CSV文件的基本語法是：

import pandas as pddata = pd.read_csv('file_path.csv')

其中，file_path.csv是你的CSV文件的路徑。

例如，如果你有一個名為data.csv的文件，你可以這樣讀取它：

data = pd.read_csv('data.csv')
print(data)

輸出：

  StringColumn  IntColumn  FloatColumn  BoolColumn MixedColumn
0            A          0     0.311623       False      class1
1            B          1     0.377196        True      class2
2            C          2     0.930861        True      class3

🛠? 三、read_csv()的參數

??read_csv()函數有許多參數可以幫助我們更好地處理數據。以下是一些常用的參數：

1. sep 或 delimiter：指定分隔符，默認為,。如果你的CSV文件使用的是其他分隔符，如\t（制表符），你可以這樣指定：

   data = pd.read_csv('data.csv', sep='\t')
   

2. header：指定表頭行。默認為0，表示第一行是表頭。如果CSV文件沒有表頭，你可以設置為None。

   data = pd.read_csv('data.csv', header=None)
   

3. index_col：將某一列設置為索引。

   data = pd.read_csv('data.csv', index_col=0)
   

   輸出：

   

4. usecols：選擇讀取的列。你可以傳入一個列名的列表，或者一個整數列表來表示列的索引。

   data = pd.read_csv('data.csv', usecols=['IntColumn', 'FloatColumn'])
   print(data)
   

   或者

   data = pd.read_csv('data.csv', usecols=[1, 2])
   

   輸出：

      IntColumn  FloatColumn
   0          0     0.311623
   1          1     0.377196
   2          2     0.930861
   

5. na_values：指定哪些值應被視為NaN（缺失值）。

data = pd.read_csv('data.csv', na_values=['N/A', 'nan'])

6. dtype：指定列的數據類型（謹慎使用，具體情況具體分析，容易報錯）。

data = pd.read_csv('data.csv', dtype={'StringColumn': str, 'IntColumn': int})

這只是read_csv()函數的一部分參數，還有更多參數可以幫助你更好地處理CSV文件。

🛠? 四、實際案例應用

假設你有一個名為sales.csv的CSV文件，其中包含以下數據：

date,product,sales
2023-01-01,A,100
2023-01-02,B,150
2023-01-03,A,200
2023-01-04,C,250

你可以使用read_csv()函數讀取這個文件，并進行一些數據分析。

import pandas as pd# 讀取CSV文件
data= pd.read_csv('sales.csv')# 查看數據
print(data)print("*"*50)# 計算每個產品的總銷售額
total_sales = data.groupby('product')['sales'].sum()
print(total_sales)
print("*"*50)# 計算每個日期的銷售額
daily_sales = data.groupby('date')['sales'].sum()
print(daily_sales)

輸出：

         date product  sales
0  2023-01-01       A    100
1  2023-01-02       B    150
2  2023-01-03       A    200
3  2023-01-04       C    250
**************************************************
product
A    300
B    150
C    250
Name: sales, dtype: int64
**************************************************
date
2023-01-01    100
2023-01-02    150
2023-01-03    200
2023-01-04    250
Name: sales, dtype: int64

??這個例子中，我們首先使用read_csv()函數讀取了CSV文件。然后，我們使用groupby()函數按產品和日期對數據進行分組，并使用sum()函數計算每個組的銷售額。最后，我們打印了結果。

🎉 五、總結

??read_csv()函數是Pandas庫中一個非常重要的函數，它為我們提供了一個方便、高效的方式來讀取CSV文件。通過掌握read_csv()函數的基本用法和參數，我們可以輕松地處理各種CSV文件，并進行數據分析和處理。

??在本文中，我們詳細介紹了read_csv()函數的基本用法。我們還通過一個實際案例演示了如何使用read_csv()函數進行數據分析。希望這篇文章能幫助你更好地理解和使用read_csv()函數，為你的數據分析工作帶來便利。

🤝 六、期待與你共同進步

??🌱 親愛的讀者，非常感謝你每一次的停留和閱讀！你的支持是我們前行的最大動力！🙏

??🌐 在這茫茫網海中，有你的關注，我們深感榮幸。你的每一次點贊👍、收藏🌟、評論💬和關注💖，都像是明燈一樣照亮我們前行的道路，給予我們無比的鼓舞和力量。🌟

??📚 我們會繼續努力，為你呈現更多精彩和有深度的內容。同時，我們非常歡迎你在評論區留下你的寶貴意見和建議，讓我們共同進步，共同成長！💬

??💪 無論你在編程的道路上遇到什么困難，都希望你能堅持下去，因為每一次的挫折都是通往成功的必經之路。我們期待與你一起書寫編程的精彩篇章！ 🎉

??🌈 最后，再次感謝你的厚愛與支持！愿你在編程的道路上越走越遠，收獲滿滿的成就和喜悅！祝你編程愉快！🎉