HOWTO · Pandas
Comment charger des données à partir d'un fichier texte dans Pandas
Ce tutoriel montre comment charger des données à partir d'un fichier texte avec Pandas en utilisant par exemple read_csv, read_fwf et read_table.
Sur cette page
L’extension .txt ne détermine pas la façon dont un fichier doit être analysé. Utilisez read_csv() pour les champs séparés par un délimiteur, read_fwf() pour les colonnes alignées à des positions de caractères fixes et read_table() pour les tableaux séparés par des tabulations. Chaque lecteur renvoie un DataFrame pandas. Les exemples ci-dessous créent leurs propres petits fichiers d’entrée afin de montrer chaque format avec le code correspondant.
Charger du texte délimité avec read_csv()
Utilisez read_csv() lorsque chaque enregistrement contient des champs séparés par un caractère constant, comme une virgule ou un point-virgule. Par défaut, pandas utilise la première ligne comme noms de colonnes. Définissez header=None si le fichier n’a pas d’en-tête, et transmettez names pour préciser les noms des colonnes. L’exemple utilise un fichier séparé par des virgules, avec un en-tête et un champ vide :
from pathlib import Path
from tempfile import TemporaryDirectory
import pandas as pd
with TemporaryDirectory() as folder:
path = Path(folder) / "people.txt"
path.write_text("name,age\nAda,36\nLinus,", encoding="utf-8")
df = pd.read_csv(path, sep=",")
print(df.to_string(index=False))
name age
Ada 36.0
Linus NaN
Par défaut, pandas reconnaît les marqueurs courants de valeurs manquantes, y compris un champ vide. Utilisez keep_default_na=False pour désactiver ces marqueurs par défaut, ou na_values pour ajouter ceux qui sont propres à votre fichier. Ici, l’âge vide s’affiche sous la forme NaN, et l’âge renseigné est interprété comme une valeur à virgule flottante, car la colonne contient aussi une valeur manquante.
Charger du texte à largeur fixe avec read_fwf()
Utilisez read_fwf() lorsque les champs occupent des positions de caractères définies et que les enregistrements ne comportent aucun délimiteur entre les colonnes. Ce lecteur ne convient pas de manière générale aux fichiers dont les délimiteurs varient. L’exemple indique explicitement les largeurs des colonnes afin que leurs limites soient claires :
from pathlib import Path
from tempfile import TemporaryDirectory
import pandas as pd
with TemporaryDirectory() as folder:
path = Path(folder) / "people.txt"
path.write_text("Ada 036\nLinus 042\n", encoding="utf-8")
df = pd.read_fwf(path, widths=[6, 3], names=["name", "age"])
print(df.to_string(index=False))
name age
Ada 36
Linus 42
Ajustez widths pour qu’il corresponde aux plages de caractères de vos enregistrements. Si les limites ne sont pas connues, examinez le format du fichier avant de choisir les largeurs. Les valeurs transmises dans names nomment les deux champs analysés ; l’exemple n’a donc pas besoin de ligne d’en-tête.
Charger du texte tabulaire avec read_table()
read_table() lit des données délimitées et utilise une tabulation comme séparateur par défaut. Indiquez sep si le fichier emploie un autre délimiteur. Cet exemple utilise le séparateur par défaut, la tabulation :
from pathlib import Path
from tempfile import TemporaryDirectory
import pandas as pd
with TemporaryDirectory() as folder:
path = Path(folder) / "scores.txt"
path.write_text("name\tscore\nMina\t91\nOmar\t87\n", encoding="utf-8")
df = pd.read_table(path)
print(df.to_string(index=False))
name score
Mina 91
Omar 87
Pour un fichier séparé par des points-virgules, par exemple, transmettez sep=";" ; le séparateur doit correspondre aux caractères présents dans le fichier. Comme read_csv(), read_table() utilise la première ligne comme en-tête par défaut. Définissez header=None si le fichier commence directement par les données.
Choisir un lecteur et régler les options courantes
Choisissez read_csv() pour les enregistrements séparés par des virgules ou d’autres délimiteurs constants, read_fwf() pour les champs alignés à largeur fixe et read_table() pour les tableaux séparés par des tabulations. Pour les lecteurs de données délimitées, pandas déduit les noms de colonnes de la première ligne, sauf si vous définissez header=None. Utilisez names=[...] pour attribuer des noms aux colonnes lorsque le fichier n’a pas d’en-tête. Définissez na_values pour indiquer les marqueurs de valeurs manquantes propres au fichier. L’exemple avec read_fwf() accepte également names, tandis que son argument widths décrit les plages de caractères des champs.
Pour charger un fichier .txt existant, transmettez son chemin au lecteur, par exemple pd.read_csv("/path/to/people.txt", sep=","). Sous Windows, une chaîne brute telle que r"C:\data\people.txt" évite que les barres obliques inverses soient interprétées comme des caractères d’échappement. Dans chaque exemple, remplacez la création du fichier temporaire et la valeur de path par votre propre chemin, puis conservez l’appel au lecteur et choisissez le séparateur, l’en-tête, les noms ou les largeurs adaptés au fichier. Un chemin relatif est résolu à partir du répertoire de travail courant du processus Python ; utilisez donc un chemin absolu si ce répertoire est susceptible de changer.