数据分析从零开始实战，Pandas 读写 CSV 数据

这是我参与 11 月更文挑战的第 16 天。

一、写在前面

本系列学习笔记参考书籍： 《数据分析实战》托马兹·卓巴斯，会将自己学习本书的笔记分享给大家，同样开成一个系列『数据分析从零开始实战』。

二、知识点概要

1.创建一个虚拟 python 运行环境，专门用于本系列学习；

2.数据分析常用模块 pandas 安装

3.利用 pandas 模块读写 CSV 格式文件

三、开始动手动脑

1.创建虚拟环境

我平时比较喜欢 Pycharm，所以本系列打算完全用 Pycharm 做，Pycharm 安装可以直接到官网上下载，使用社区版即可。

【注】我之前很喜欢 Pycharm，现在比较喜欢 VS Code，你还可以使用 jupyter notebook。

# Windows/Mac 安装、使用 Python 环境 +jupyter notebook

（1）好的正式开始，打开 Pycharm，点击 File->New Project,基本配置说明见下图。

特别说明：python 里面项目路径里不要出现中文，同时项目名称也不要出现中文，名称尽量能够概括项目内容。

（2）创建成功后，我们会在对应目录下面发现多了项目文件和虚拟环境文件。

2.数据分析常用模块 Pandas 安装

（1）零基础教程，首先教大家怎么进入虚拟环境：进入到目录 I:\pyCoding\Frame\Data_analysis\Scripts(我的虚拟环境目录)，按住 shift+鼠标右键，打开 powershell 或者 cmd(如果是 powershell 就先输入 cmd)，再输入 activate，进入虚拟环境，你会发现在路径前面多了一个括号里面是你的虚拟环境名称，表示你进入了虚拟环境。具体看下面：

PS I:\pyCoding\Frame\Data_analysis\Scripts> cmdMicrosoft Windows [版本 10.0.17134.112](c) 2018 Microsoft Corporation。保留所有权利。
I:\pyCoding\Frame\Data_analysis\Scripts>activate(Data_analysis) I:\pyCoding\Frame\Data_analysis\Scripts>

不知道大家有没有觉得很麻烦，我是觉得特别麻烦，每次进入虚拟环境都要先到指定文件路径，然后再输入指令，不符合程序员的风格啊！

【注】之前我是用的 virtualenvwrapper 进行虚拟环境管理，现在我更喜欢使用 pipenv 进行虚拟环境管理。

（2）安装 pandas 模块

使用快捷方式进入虚拟环境后，直接pip指令安装

# cmd下直接操作C:\Users\82055>workon
Pass a name to activate one of the following virtualenvs:==============================================================================Data_analysisspiderenv
C:\Users\82055>workon Data_analysis(Data_analysis) C:\Users\82055>pip install pandas

安装结果：

安装过程大概 1 分钟左右，完成后会显示

Installing collected packages: pytz, numpy, six, python-dateutil, pandasSuccessfully installed numpy-1.15.4 pandas-0.23.4 python-dateutil-2.7.5 pytz-2018.7 six-1.11.0

很明显看出，这个过程不仅安装了 pandas 包，还安装了 numpy，pytz，six，python-dateutil 这些附加包，后面我们也会用上。

3.利用 pandas 模块读写 CSV 格式文件

（1）数据文件下载

点击这里下载,本系列按书上来的数据都是这里面的，《数据分析实战》书中源代码也在这个代码仓库中，当然后面我自己也会建一个代码仓库，记录自己的学习过程，大家可以先从这里下载好数据文件。

（2）pandas 基本介绍

pandas为 Python 编程语言提供高性能，是基于 NumPy 的一种易于使用的数据结构和数据分析工具,pandas为我们提供了高性能的高级数据结构（比如：DataFrame）和高效地操作大型数据集所需的工具，同时提供了大量能使我们快速便捷地处理数据的函数和方法。

(3)利用 pandas 读取 CSV 文件

读取代码：

# 导入数据处理模块import pandas as pdimport os
# 获取当前文件父目录路径father_path = os.getcwd()
# 原始数据文件路径rpath_csv = father_path+r'\data01\city_station.csv'# 读取数据csv_read = pd.read_csv(rpath_csv)# 显示数据前10条print(csv_read.head(10))

运行结果：

函数解析：

read_csv(filepath_or_buffer,sep,header,names,skiprows,na_values,encoding,nrows) 按指定格式读取 csv 文件。

常见参数解析：

• filepath_or_buffer:字符串，表示文件路径；

• sep: 字符串，指定分割符，默认是’,’;

• header:数值， 指定第几行作为列名(忽略注解行)，如果没有指定列名，默认 header=0; 如果指定了列名 header=None;

• names: 列表，指定列名，如果文件中不包含 header 的行，应该显性表示 header=None。

• skiprows：列表，需要忽略的行数（从 0 开始），设置的行数将不会进行读取。

• na_values：列表，设置需要将值替换成 NAN 的值，pandas 默认 NAN 为缺省，可以用来处理一些缺省、错误的数值。

• encoding：字符串，用于 unicode 的文本编码格式。例如，"utf-8"或"gbk"等文本的编码格式。

• nrows：需要读取的行数。

(4)利用 pandas 写入 CSV 文件

写入 CSV 文件：

import pandas as pdimport os
# 获取当前文件父目录路径father_path = os.getcwd()
# 保存数据文件路径path_csv = father_path+r'\data01\temp_city.csv'# 写入数据（列名+列值）data = {"站点名": ["北京北", "北京东", "北京", "北京南", "北京西"],        "代号": ["VAP", "BOP", "BJP", "VNP", "BXP"]}# 数据初始化为DataFrame对象df = pd.DataFrame(data)# 数据写入df.to_csv(path_csv)

运行结果：

函数解析：

to_csv(path_or_buf,sep,na_rep,columns,header,index)

• path_or_buf：字符串，文件名、文件具体、相对路径、文件流等；

• sep：字符串，文件分割符号；

• na_rep：字符串，将 NaN 转换为特定值；

• columns：列表，选择部分列写入；

• header：None,写入时忽略列名；

• index：False 则选择不写入索引,默认为 True。

四、结语

坚持 and 努力 ： 终有所获。

思想很复杂，

实现很有趣，

只要不放弃，

终有成名日。

—《老表打油诗》

下期见，我是爱猫爱技术的老表，如果觉得本文对你学习有所帮助，欢迎点赞、评论、关注我！