Pandas lesen nur bestimmte CSV-Spalten

1. Verwenden Sie die Funktion read_csv() und übergeben Sie eine Liste der zu lesenden Spaltennamen
2. Verwenden Sie die Funktion read_csv() und übergeben Sie die Liste der zu lesenden Spaltennummern

In diesem Tutorial werden verschiedene Methoden zum Lesen bestimmter Spalten aus einer CSV-Datei mit Pandas erläutert. Wir verwenden die folgende CSV-Datei für die Demo.

Verwenden Sie die Funktion read_csv() und übergeben Sie eine Liste der zu lesenden Spaltennamen

Die Pandas-Bibliothek bietet die Funktion read_csv(). Das read_csv() wird verwendet, um eine Datei mit kommagetrennten Werten (csv) in DataFrame einzulesen.

read_csv() übernimmt den Dateipfad der csv-Datei und hat mehr als 40 optionale Parameter. Konzentrieren wir uns für dieses Tutorial auf den Parameter usecols.

Syntax - pd.read_csv():

pd.read_csv(filepath, usecols)

Parameter

• Dateipfad – Der Pfad oder Speicherort der zu ladenden CSV-Datei.
• usecols - Liste der zu lesenden spezifischen Spalten.

Kehrt zurück

• DataFrame

Befolgen Sie die nachstehenden Schritte, um die Funktion read_csv() zu verwenden und die Liste der zu lesenden Spaltennamen zu übergeben.

Der folgende Code ist die Implementierung des obigen Ansatzes.

# import the pandas
import pandas as pd

# Reading the specific columns from csv
df = pd.read_csv("data.csv", usecols=["Course", "price$"])

# printing the dataframe
print(df)

Ausgang:

       Course  price$
0      Python     199
1       Spark     299
2        Java      99
3  JavaScript     250
4          C#     399

Verwenden Sie die Funktion read_csv() und übergeben Sie die Liste der zu lesenden Spaltennummern

Wir können auch die Spaltennummern für read_csv() verwenden, um bestimmte Spalten nur zu lesen.

Der folgende Code ist die Implementierung des obigen Ansatzes.

# import the pandas
import pandas as pd

# Reading the specific columns from csv
df = pd.read_csv("data.csv", usecols=[2, 3])

# printing the dataframe
print(df)

Ausgang:

     Mentor  price$
0     Robert     199
1  Elizibeth     299
2      Nolan      99
3      Chris     250
4    johnson     399