Python Pandas处理CSV文件的常用技巧分享

CSV（Comma Separated Value）文件是一种常见的数据存储格式，可以使用Python Pandas库来读取、分析和处理CSV文件。以下是一些常用的技巧：

读取CSV文件

要读取CSV文件，可以使用Pandas的read_csv()函数。

import pandas as pd
df = pd.read_csv('file.csv')
print(df.head())

此代码将读取名为file.csv的文件，并使用Pandas DataFrame将其存储在变量df中。head()函数可用于显示前几行数据。

筛选数据

Pandas的DataFrame对象具有强大的数据筛选功能。以下是一些常用的筛选技巧：

根据值进行筛选

import pandas as pd
df = pd.read_csv('file.csv')

# 只选择'Male'性别的数据
male_data = df[df['Gender'] == 'Male']
print(male_data.head())

根据行列标签进行筛选

import pandas as pd
df = pd.read_csv('file.csv')

# 选择特定的行和列
selected_data = df.loc[[2, 4, 5], ['Name', 'Age']]
print(selected_data.head())

分组和聚合数据

使用groupby()函数将数据按组进行分组，之后使用agg()函数来聚合数据并执行特定的计算。例如，以下代码将根据性别分组，并计算每个性别的平均年龄和最大年龄。

import pandas as pd
df = pd.read_csv('file.csv')

# 按性别分组，计算平均年龄和最大年龄
grouped_data = df.groupby('Gender').agg({'Age': ['mean', 'max']})
print(grouped_data.head())

示例1

假设我们有一个包含以下数据的CSV文件：

Name,Gender,Age
John,Male,23
Sara,Female,25
Tim,Male,36
Amy,Female,19

我们想要读取文件，并根据性别对数据进行筛选。只选择男性数据。以下是实现代码：

import pandas as pd
df = pd.read_csv('file.csv')

# 只选择'Male'性别的数据
male_data = df[df['Gender'] == 'Male']
print(male_data.head())

运行结果：

   Name Gender  Age
0  John   Male   23
2   Tim   Male   36

示例2

假设我们有一个包含以下数据的CSV文件：

Name,Gender,Age,Salary
John,Male,23,4500
Sara,Female,25,5500
Tim,Male,36,6500
Amy,Female,19,3500

我们想要读取数据文件，并按照性别分组计算平均年龄和平均薪资。以下是实现代码：

import pandas as pd
df = pd.read_csv('file.csv')

# 按性别分组，计算平均年龄和平均薪资
grouped_data = df.groupby('Gender').agg({'Age': 'mean', 'Salary': 'mean'})
print(grouped_data.head())

运行结果：

              Age  Salary
Gender                   
Female  22.000000  4500.0
Male    29.666667  5500.0