居然翻了 pandas.read_csv 的船

共 1842字,需浏览 4分钟

 ·

2020-12-23 02:06

↑↑↑点击上方蓝字,回复资料,10个G的惊喜


不怕前路坎坷,只怕从一开始就走错了方向


Pandas 是python的一个数据分析包,纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具。Pandas 就是为解决数据分析任务生的,无论是数据分析还是机器学习项目数据预处理中, Pandas 无处不在。

最近掉进一坑,差点铸成大错。实在没想到居然栽在pandas.read_csv上了,这里分享一下,希望引起大家注意,顺便重温一下read_csv的各种参数。

业务数据不方便拿出来演示,为尽可能复现,这里我手造了一份,另存为 income.csv 文件。

看起来都是正经的数据

翻船记

读取csv文件小菜一碟

import numpy as np
import pandas as pd
df = pd.read_csv(r'C:\...\income.csv',encoding='utf-8')

看看数据信息:

df.info()


RangeIndex: 6 entries, 0 to 5
Data columns (total 1 columns):
 #   Column  Non-Null Count  Dtype 
---  ------  --------------  ----- 
 0   income  6 non-null      object
dtypes: object(1)
memory usage: 176.0+ bytes

诶,正经的数据怎么成了object?

不管它,硬转一发:

df=pd.DataFrame(df,dtype=np.float)

然后就报错了,1000被读成了字符串。

其实这里我还掉进了另一个坑,使用了一个已被弃用的 .convert_objects 方法。这种方法更硬,直接把string转成了NaN,所以后面各种操作流畅且错误地进行着....这都是 pandas 没升级的锅,定期检查升级包太有必要了(pip 的高阶玩法

说回刚才的问题,1,000被读成了字符串是因为csv文件中它使用了千位分隔符。问题其实非常简单,设置一下 thousands 参数就行了

df2 = pd.read_csv(r'C:\...\income.csv',encoding='utf-8',thousands =',')

看一下info,格式是正经的 float 

df2.info()

'pandas.core.frame.DataFrame'>
RangeIndex: 6 entries, 0 to 5
Data columns (total 1 columns):
 #   Column  Non-Null Count  Dtype  
---  ------  --------------  -----  
 0   income  6 non-null      float64
dtypes: float64(1)

往下继续


df2.describe()

     income
count 6.000000
mean 16934.983333
std 40695.203980
min 0.000000
25% 32.425000
50% 300.000000
75% 875.000000
max 100000.000000

一切正常!

pandas.read_csv()参数

pandas.read_csv()的参数特别多,除了filepath,其他均可缺省。参数的具体含义这里就不赘述,还想复习一下的同学可以直接去看官方文档,虽然不可能所有都记住,还是需要对每个参数都留点印象!

http://pandas.pydata.org/pandas-docs/stable/io.html

英语不好的同学可以看一下热心博主的翻译版:https://www.cnblogs.com/datablog/p/6127000.html

以上!

顺求三连~

推荐阅读

pip 的高阶玩法

再见,360安全卫士

我爱线代,线代使我快乐

Python数据可视化,被Altair圈粉了

你真的懂print('Hello World!')?我不信

缺失值可视化Python工具库:missingno

机器学习深度研究:特征选择中几个重要的统计学概念

浏览 38
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报