根据csv表头、列号读取数据的实现
读取csv文件
cvs数据截图如下
设置index_col=0，目的是设置第一列name为index(索引)，方便下面示例演示
|
1
|
data = pandas.read_csv(input1, index_col=0) |
输出结果
price o_price date quan
name
wood 85.00 49.99 2006 797
chair 102.50 49.99 2006 799
bed 77.00 49.99 2006 795
lamp 162.50 49.99 2006 800
sofa 699.99 269.99 2002 3094
table 602.00 269.99 2002 3093
根据表头获取列数据
|
1
2
3
|
data[['o_price', 'quan']# 或者data.loc[:, ['o_price', 'quan'] |
输出结果
o_price quan
name
wood 49.99 797
chair 49.99 799
bed 49.99 795
lamp 49.99 800
sofa 269.99 3094
table 269.99 3093
根据列号读取列数据
|
1
|
data.iloc[:, [3, 4]] |
输出结果
date quan
name
wood 2006 797
chair 2006 799
bed 2006 795
lamp 2006 800
sofa 2002 3094
table 2002 3093
根据index名获取行数据
|
1
|
data.loc[['wood', 'sofa'], :] |
输出结果
price o_price date quan
name
wood 85.00 49.99 2006 797
sofa 699.99 269.99 2002 3094
根据列号读取行数据
|
1
|
data.iloc[[0, 1], :] |
输出结果
price o_price date quan
name
wood 85.0 49.99 2006 797
chair 102.5 49.99 2006 799
iloc和loc区别
loc是根据dataframe的具体标签选取列，而iloc是根据标签所在的位置，从0开始计数。
读取csv文件并输出特定列
其实，最开始好不容易输出了指定列，结果第二天不小心删了什么东西，然后就一直报错。
看上去和前一天能正常输出的没有什么差别。折腾了一天多总算是找到问题是什么了，是个很简单的问题。
其实不是错误，只是因为选用的读取方式不同，所以一直报错。
源代码如下
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
|
import csvimport pandas as pd sheet_name = "员工信息表.csv" #数据文件有问题数据with open(sheet_name,encoding = "utf-8",errors = "ignore") as f: #可通过列名读取列值，表中有空值 data= csv.DictReader(_.replace("\x00","") for _ in f) headers = next(data) print(headers) for row in data: print(row) if row['员工状态'] == '2': print(row) #不可通过列名读取列值，通过第几列来读取 #data =csv.reader(_.replace("\x00","") for _ in f) headers = next(data) print(headers) for row in data: print(row) if row[12]=='2': print(row) |
读取csv文件需要采用：
|
1
|
with open(sheet_name,encoding = "utf-8",errors = "ignore") as f: |
如果不加errors = "ignore"会报错：
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xbb in position 0: invalid start byte
通过csv.reader读取csv文件，然后使用列名row['员工状态']输出列值会报错：
“TypeError: list indices must be integers or slices, not str”
根据这个报错百度了好久，一直没有找到解决方法。
虽然现在最终效果达到了，但是并不清楚具体原因。
源数据表里面问题好多啊，感觉需要先做数据清洗。唉！好难啊！
以上为个人经验，希望能给大家一个参考，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/qq_33873431/article/details/105833727
