read_csv()

La fonction read_csv() de Pandas est utilisée pour charger des données à partir d'un fichier CSV dans un DataFrame Pandas.

Syntaxe de read_csv()

Supposons que nous avons un fichier CSV nommé "sales_data.csv" contenant des données de ventes avec les colonnes suivantes :

En indiquant sep=";", nous demandons à Pandas de séparer les données en utilisant le point-virgule comme marqueur de séparation, plutôt que la virgule ou un autre séparateur.

En utilisant header=1, on indique à Pandas d'utiliser la deuxième ligne du fichier CSV comme en-tête des colonnes. Si vous souhaitez utiliser la première ligne comme en-tête des colonnes, vous pouvez simplement utiliser header=0 ou laisser l'argument header par défaut.

L'utilisation de 'skiprows' et 'usecols' permet de lire le fichier CSV en sautant les trois premières lignes et en excluant les colonnes nommées 'Unnamed'.

De plus, on peut utiliser le paramètre parse_dates=['Date'] pour demander à Pandas de convertir la colonne 'Date' en format de date lors de la lecture du fichier CSV. Cela permet de traiter la colonne 'Date' comme des dates plutôt que comme des chaînes de caractères.

Paramètres de read_csv()

• sep=';' : Ce paramètre spécifie le séparateur de colonne dans le fichier CSV. Dans cet exemple, le séparateur est défini comme le point-virgule (;).

• header=1 : Utiliser la deuxième ligne comme en-tête.

• 'skiprows' et 'usecols' : Ignorer les trois premières lignes et la colonne 'Unnamed'.

• parse_dates=['Date'] : Interpréter la colonne 'Date' comme une date.

  
  

Voir aussi : all(), any(), append(), count(), enumerate(), extend(), filter(), float() format() input(), int(), isdigit(), isinstance(), items(), join(), endswith(), list(), map(), max(), mean(), min(), pop(), range(), len(), startswith(), zip(), type(), get(), symmetric_difference(), keys(), difference()

Numpy : arange(), array(), delete(), hsplit(), hstack(), linspace(), logical_and(), logical_or(), polyfit()

Pandas : concat(), concatenate(), describe(), dict(), drop_duplicates(), dropna(), fillna(), from_dict(), groupby(), head(), iloc, info(), insert(), isin(), melt(), merge(), pivot_table(), read_csv(), read_excel(), rename(), where()

N'hésitez pas à consulter nos formations sur cette page.