python观察日志(part22)--设置工作目录及文件读取

学习笔记，仅供参考

参考自：pandas.read_csv参数详解；《python编程从数据分析到数据编程》

---

查看并更改当前工作目录

当前工作目录就是python(准确的说，是python解释器和编辑器)的读写文件和文件夹的默认路径。

• 举个例子

In [35]: os.getcwd()
Out[35]: 'C:\\Users\\goatbishop'

In [36]: os.chdir(r"C:\Users\goatbishop\Desktop\data")

In [37]: os.getcwd()
Out[37]: 'C:\\Users\\goatbishop\\Desktop\\data'

In [39]: data = open("car_info_train.csv", "r")

In [40]: data.readline()
Out[40]:'CUST_ID,CUST_SEX,CUST_AGE,CUST_MARRY,BUYERPART,CAR_MODEL,CAR_COLOR,CAR_AGE,CAR_PRICE,IS_LOAN,LOAN_PERIED,LOAN_AMOUNT,F_INSORNOT,ALL_BUYINS_N,DLRSI_CNT,GLASSBUYSEPARATE_CNT,SII_CNT,IS_LOST\n'

In [42]: data.close()

读取文件

对于不同类型的文件，我们应该采取不同的策略导入文件。

由于在分析数据时，经常要导入csv文件，所以，我们介绍一下Pandas第三方包里的read_csv方法(这里只写了部分参数)：

import pandas as pd
pd.read_csv(filepath_or_buffer, sep = ',', 
            header = 'infer', names=None, 
            nrows = None, index_col = None)

• 参数说明

参数	说明
filepath_or_buffer	读取的文件名，参数值类型为字符串，这个字符串也可以是URL
sep	指定分隔符，如果不指定参数，则会尝试使用逗号分隔
header	指定行数用来作为列名，参数可以是int类型数据，或是填装int类型数据的列表,当参数值为0时,表示将文件第1行（索引为0的行）为列索引，当参数值为None时，则会将文件当成无列名的文件，这样read_csv会从0开始,为其自动加上列索引
names	设置列名的列表，如果数据文件中没有列标题行，就需要执行header=None，我们知道read_csv会帮助我们自动添加列索引，这时，我们可以利用names属性手动指定列名，且列名列表中不能出现重复元素
nrows	需要读取的行数（从文件头开始算起），属性值为int类型
index_col	将真实的某列当做index,属性值为int类型

• 举个例子

我们先看一下原始数据testData.csv文件：

id	age	money	other
1	20	8000	1
2	32	7000	0
3	21	6000	1
4	24	5000	1
5	30	4000	0
6	19	3000	1
7	18	2000	0
8	25	10000	1
9	27	11000	0
10	22	12000	0

读取方式1：

In [47]: data = read_csv("testData.csv")

In [48]: data
Out[48]:
   id  age  money  other
0   1   20   8000      1
1   2   32   7000      0
2   3   21   6000      1
3   4   24   5000      1
4   5   30   4000      0
5   6   19   3000      1
6   7   18   2000      0
7   8   25  10000      1
8   9   27  11000      0
9  10   22  12000      0

读取方式2：

In [49]: data = read_csv("testData.csv", header = None)

In [50]: data
Out[50]:
     0    1      2      3
0   id  age  money  other
1    1   20   8000      1
2    2   32   7000      0
3    3   21   6000      1
4    4   24   5000      1
5    5   30   4000      0
6    6   19   3000      1
7    7   18   2000      0
8    8   25  10000      1
9    9   27  11000      0
10  10   22  12000      0

读取方式3：

In [51]: data = read_csv("testData.csv", header = None, names = ['a', 'b', 'c', 'd'])

In [52]: data
Out[52]:
     a    b      c      d
0   id  age  money  other
1    1   20   8000      1
2    2   32   7000      0
3    3   21   6000      1
4    4   24   5000      1
5    5   30   4000      0
6    6   19   3000      1
7    7   18   2000      0
8    8   25  10000      1
9    9   27  11000      0
10  10   22  12000      0

读取方式4：

In [60]: data = read_csv("testData.csv", nrows = 6)

In [61]: data
Out[61]:
   id  age  money  other
0   1   20   8000      1
1   2   32   7000      0
2   3   21   6000      1
3   4   24   5000      1
4   5   30   4000      0
5   6   19   3000      1

读取方式5：

In [62]: data = read_csv("testData.csv", index_col = 0)

In [63]: data
Out[63]:
    age  money  other
id
1    20   8000      1
2    32   7000      0
3    21   6000      1
4    24   5000      1
5    30   4000      0
6    19   3000      1
7    18   2000      0
8    25  10000      1
9    27  11000      0
10   22  12000      0