[Python]pandas讀取寫入CSV 與Excel文件

pandas 提供了多種方法來讀取和寫入各種格式的文件。

本文主要介紹讀取寫入CSV 文件與Excel 文件，與比較兩者的差異。

為什麼要介紹這兩種呢，因為大多的練習範例的數據都是用csv檔儲存，像Kaggle競賽，比賽提供的數據也大多都是csv檔。

Kaggle是一個數據建模和數據分析競賽平台，它的數據大多都是csv檔，有點像機器學習的 Leetcode，不過除了可以練習以外，Kaggle 比賽的好成績寫在履歷上是廣泛被認可的，Kaggle 打一個好成績。這個成績就可以當作往機器學習或資料科學工作的敲門磚。

CSV 文件

1. 讀取 CSV 文件

pandas 提供了 pd.read_csv() 方法來讀取 CSV 文件。你可以使用多種參數來控制讀取過程。

import pandas as pd

# 基本的讀取方法
df = pd.read_csv('data.csv')
print(df.head())  # 顯示前五行數據

# 指定分隔符（如果不是默認的逗號）
df = pd.read_csv('data.tsv', sep='\t')

# 處理沒有標題的 CSV 文件
df = pd.read_csv('data.csv', header=None)

# 指定特定的行作為列名
df = pd.read_csv('data.csv', header=1)

# 只讀取特定的列
df = pd.read_csv('data.csv', usecols=['Name', 'Age'])

# 處理缺失值
df = pd.read_csv('data.csv', na_values=['N/A', 'NA', 'NULL'])

# 指定編碼（例如處理 UTF-8 編碼的文件）
df = pd.read_csv('data.csv', encoding='utf-8')

程式範例

讀取下面章節程式範例寫入的csv文件。

df = pd.read_csv('output.csv')
print(df)
# 輸出
      Name  Age         City
0    Alice   25     New York
1      Bob   30  Los Angeles
2  Charlie   35      Chicago

2. 寫入 CSV 文件

pandas 使用 DataFrame.to_csv() 方法將 DataFrame 寫入 CSV 文件。

# 基本的寫入方法
df.to_csv('output.csv', index=False)

# 指定分隔符
df.to_csv('output.tsv', sep='\t', index=False)

# 不寫入列名
df.to_csv('output.csv', index=False, header=False)

# 處理缺失值
df.to_csv('output.csv', na_rep='NULL', index=False)

# 指定編碼
df.to_csv('output.csv', encoding='utf-8', index=False)

範例

import pandas as pd

# 創建一個 DataFrame
data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'City': ['New York', 'Los Angeles', 'Chicago']
}
df = pd.DataFrame(data)

# 將 DataFrame 寫入 CSV 文件
df.to_csv('output.csv', index=False)

若無此CSV檔則會自己創建，產生了含有data資料的csv文件。

Excel 文件

1. 讀取 Excel 文件

使用 pandas 的 pd.read_excel() 方法來讀取 Excel 文件。可以指定讀取的工作表名稱或索引，以及其他參數來控制讀取過程。

import pandas as pd

# 讀取 Excel 文件中的第一個工作表
df = pd.read_excel('data.xlsx')
print(df.head())  # 顯示前五行數據

# 指定讀取特定的工作表
df = pd.read_excel('data.xlsx', sheet_name='Sheet1')

# 讀取多個工作表到一個字典中
dfs = pd.read_excel('data.xlsx', sheet_name=['Sheet1', 'Sheet2'])

# 讀取所有工作表
dfs = pd.read_excel('data.xlsx', sheet_name=None)

# 只讀取特定的列
df = pd.read_excel('data.xlsx', usecols=['Name', 'Age'])

# 處理缺失值
df = pd.read_excel('data.xlsx', na_values=['N/A', 'NA', 'NULL'])

2. 寫入 Excel 文件

使用 DataFrame.to_excel() 方法將 DataFrame 寫入 Excel 文件。你可以寫入單個或多個工作表，並進行格式化。

# 基本的寫入方法
df.to_excel('output.xlsx', index=False)

# 指定寫入特定的工作表
df.to_excel('output.xlsx', sheet_name='Sheet1', index=False)

# 寫入多個工作表
with pd.ExcelWriter('output.xlsx', engine='xlsxwriter') as writer:
    df.to_excel(writer, sheet_name='Sheet1', index=False)
    df2.to_excel(writer, sheet_name='Sheet2', index=False)

# 自定義起始行和列
df.to_excel('output.xlsx', startrow=2, startcol=3, index=False)

# 處理缺失值
df.to_excel('output.xlsx', na_rep='NULL', index=False)

# 新增格式（例如標題行格式化）
with pd.ExcelWriter('output.xlsx', engine='xlsxwriter') as writer:
    df.to_excel(writer, sheet_name='Sheet1', index=False)
    workbook  = writer.book
    worksheet = writer.sheets['Sheet1']
    
    # 定義格式
    header_format = workbook.add_format({'bold': True, 'text_wrap': True, 'valign': 'top', 'fg_color': '#D7E4BC', 'border': 1})
    
    # 寫入標題
    for col_num, value in enumerate(df.columns.values):
        worksheet.write(0, col_num, value, header_format)

程式範例

import pandas as pd

# 創建一個 DataFrame
data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'City': ['New York', 'Los Angeles', 'Chicago']
}
df = pd.DataFrame(data)

# 使用 ExcelWriter 寫入
with pd.ExcelWriter('output.xlsx', engine='openpyxl', mode='a', if_sheet_exists='replace') as writer:
    df.to_excel(writer, sheet_name='Sheet1', index=False)

ExcelWriter詳細說明：

• engine='openpyxl': 使用 openpyxl 引擎來讀取和寫入 Excel 文件，這是因為 openpyxl 支持在現有文件中進行追加操作。
• mode='a': 以追加模式打開 Excel 文件。如果文件不存在，則創建一個新文件。
• if_sheet_exists='replace': 如果工作表已經存在，這會用新的數據替換掉舊的工作表。如果希望保留原有工作表而不覆蓋，可以選擇 if_sheet_exists='new'（添加新的工作表，如果名稱已存在則拋出錯誤）。

CSV 和 Excel 的比較

1. CSV 的優點與缺點

• 優點:
• • 輕量級，適合處理純文本數據。
  • 通用性強，幾乎所有數據分析工具都支持。
  • 適合大數據集的快速讀寫。
• 缺點:
• • 不支持多工作表。
  • 不支持數據格式和樣式。
  • 僅適用於簡單的數據結構，無法保存複雜數據。

2. Excel 的優點與缺點

• 優點:
• • 支持多工作表。
  • 支持數據格式、樣式、公式等豐富的表格功能。
  • 更適合需要表格呈現的數據。
• 缺點:
• • 文件較大，讀寫速度相對較慢。
  • 格式過於複雜時，可能出現兼容性問題。

總結

• CSV 文件適合處理純文本數據和大數據集，而 Excel 文件適合需要多工作表和豐富格式的場景。
• pandas 提供了靈活的方法來讀取和寫入這兩種文件格式，並允許你自定義讀寫過程中的各種細節。