python中有許多方便的庫可以用來進行數據處理，尤其是numpy和pandas,再搭配matplot畫圖專用模塊，功能十分強大。
csv（comma-separated values）格式的文件是指以純文本形式存儲的表格數據，這意味著不能簡單的使用excel表格工具進行處理，而且excel表格處理的數據量十分有限，而使用pandas來處理數據量巨大的csv文件就容易的多了。
我用到的是自己用其他硬件工具抓取得數據，硬件環境是在linux平臺上搭建的，當時數據是在運行腳本后直接輸出在terminal里的，數據量十分龐大，為了保存獲得的數據，在linux下使用了數據流重定向，把數據全部保存到了文本文件中，形成了一個本地csv文件。
pandas讀取本地csv文件并設置dataframe(數據格式)
|
1
2
3
4
5
6
|
import pandas as pdimport numpy as npdf=pd.read_csv('filename',header=none,sep=' ') #filename可以直接從盤符開始，標明每一級的文件夾直到csv文件，header=none表示頭部為空，sep=' '表示數據間使用空格作為分隔符，如果分隔符是逗號，只需換成 ‘，'即可。print df.head()print df.tail()#作為示例，輸出csv文件的前5行和最后5行，這是pandas默認的輸出5行，可以根據需要自己設定輸出幾行的值 |
數據讀取示例
圖片中顯示了我本地數據的前5行與最后5行，最前面一列沒有標號的是行號，數據一共有13列，標號從0到12，一行顯示不完全，在第9列以后換了行，并且用反斜杠“\”標注了出來。
2017年4月28日更新
使用pandas直接讀取本地的csv文件后，csv文件的列索引默認為從0開始的數字，重定義列索引的語句如下：
|
1
2
3
4
|
import pandas as pdimport numpy as npdf=pd.read_csv('filename',header=none,sep=' ',names=["week",'month','date','time','year','name1','freq1','name2','freq2','name3','data1','name4','data2'])print df |
此時打印出的文件信息如下，列索引已經被重命名：
以上這篇python使用pandas處理csv文件的實例講解就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持服務器之家。
原文鏈接：https://blog.csdn.net/atnanyang/article/details/70832257
