技术标签: python 数据分析 Python数据分析
这一节主要讲一下在读写CSV文件时筛选特定的行。
有些时候,我们并不需要文件中所有的数据。例如,我们可能只需要一个包含特定词或数字的行的子集,或者是与某个具体日期关联的行的子集。在这些情况下,我们可以用Python筛选出特定的行来使用。
下面主要来讲在输入文件中筛选出特定行的3种方法:
1.行中的值满足某个条件;
2.行中的值属于某个集合;
3.行中的值匹配于某个模式(正则表达式)。
其实,这三种筛选方法的代码在结构上是一致的。通用结构如下:
for row in filereader:
***if value in row meets some business rule or set of rules:***
do something
else:
do something else
下面我们来详细讨论一下上述3种方法。
在之前的样例中,如果我们只想保留供应商名字为Supplier Z或成本大于$600.00的行,并将结果写入输出文件。代码如下:
#!/usr/bin/env python3
import csv
import sys
input_file = sys.argv[1]
output_file = sys.argv[2]
with open(input_file, 'r', newline='') as csv_in_file:
with open(output_file, 'w', newline='') as csv_out_file:
filereader = csv.reader(csv_in_file)
filewriter = csv.writer(csv_out_file)
header = next(filereader)
filewriter.writerow(header)
for row_list in filereader:
supplier = str(row_list[0]).strip()
cost = str(row_list[3]).strip('$').replace(',', '')
if supplier == 'Supplier Z' or float(cost) > 600.0:
filewriter.writerow(row_list)
我们来解释一下上面的代码。
header = next(filereader)
filewriter.writerow(header)
这两行代码使用csv模块的next()
函数读出输入文件的第一行,赋给列表变量header
,并且使用writerow()
函数将标题行写入输出文件。
supplier = str(row_list[0]).strip()
这行代码取出每行数据中的供应商名字,赋给变量supplier
。这行代码使用列表索引取出每行数据的第一个值row[0]
,使用str()
函数将其转换为一个字符串,再使用strip()
函数删除字符串两端的空格、制表符和换行符。最后,将处理好的字符串赋给变量supplier
。
cost = str(row_list[3]).strip('$').replace(',', '')
这行代码取出每行数据中的成本,赋给变量cost
。这行代码使用列表索引取出每行数据的第四个值row[3]
,使用str()
函数将其转换为一个字符串,再使用strip('$')
函数从字符串中删除$
符号,再使用replace()
函数从字符串中删除逗号。最后,将处理好的字符串赋给变量cost
。
if supplier == 'Supplier Z' or float(cost) > 600.0:
filewriter.writerow(row_list)
这两行代码通过创建if
语句来检验每行中的这两个值是否满足条件,若条件满足,则使用filewriter
的writerow()
函数将其写入输出文件。
我们在命令行窗口运行这个脚本。在窗口中没有任何输出,我们可以打开输出文件来查看结果。
pandas模块提供了一个loc
函数,它可以同时选择特定的行与列。使用pandas模块的代码如下:
#!/usr/bin/env python3
import pandas as pd
import sys
input_file = sys.argv[1]
output_file = sys.argv[2]
data_frame = pd.read_csv(input_file)
data_frame['Cost'] = data_frame['Cost'].str.strip('$').astype(float)
data_frame_value_meets_condition = data_frame.loc[(data_frame['Supplier Name'].str.contains('Z'))
| (data_frame['Cost'] > 600.0), :]
data_frame_value_meets_condition.to_csv(output_file, index=False)
我们在命令行窗口运行这个脚本,同样地,在屏幕上我们看不到任何输出,我们可以打开输出文件查看结果。
此处省略输出结果。
有些时候,当行中的值属于某个集合时,才需要保留这些行。例如,我们希望在数据集中保留那些供应商名字属于集合{Supplier X, Supplier Y}
的行,或者希望保留所有购买日期属于集合{'1/20/2014', '1/30/2014'}
的行。在这种情况下,我们可以检验行中的值是否属于某个集合,筛选出具有属于该集合的行。
代码如下:
#!/usr/bin/env python3
import csv
import sys
input_file = sys.argv[1]
output_file = sys.argv[2]
important_dates = ['1/20/2014', '1/30/2014']
with open(input_file, 'r', newline='') as csv_in_file:
with open(output_file, 'w', newline='') as csv_out_file:
filereader = csv.reader(csv_in_file)
filewriter = csv.writer(csv_out_file)
header = next(filereader)
filewriter.writerow(header)
for row_list in filereader:
a_date = row_list[4]
if a_date in important_dates:
filewriter.writerow(row_list)
我们来讨论一下上述代码。
important_dates = ['1/20/2014', '1/30/2014']
这行代码创建了一个名为important_dates
的列表变量,其中包含了两个特定日期。这个列表变量就是我们的集合。
a_date = row_list[4]
这行代码取出每一行的购买日期,并赋给变量a_date
。
if a_date in important_dates:
filewriter.writerow(row_list)
这行代码创建了一个if
语句来检验变量a_date
中的购买日期是否属于集合important_date
,如果变量值在集合中,下一行代码就将这一行写入输出文件。
我们在命令行窗口中运行这个脚本,并打开输出文件来查看结果。
使用pandas模块的代码如下所示:
#!/usr/bin/env python3
import pandas as pd
import sys
input_file = sys.argv[1]
output_file = sys.argv[2]
data_frame = pd.read_csv(input_file)
important_dates = ['1/20/2014', '1/30/2014']
data_frame_value_in_set = data_frame.loc[data_frame['Purchase Date'].isin(important_dates), :]
data_frame_value_in_set.to_csv(output_file, index=False)
这里的输出结果和上面基础Python方法的输出结果一致,故省略。
有些时候,当行中的值匹配或包含一个特定模式(正则表达式)时,才需要保留这些行。例如,我们希望在数据集中保留所有发票开始于“001-”的行,或者希望保留所有供应商名字中包含“Y”的行。在这种情况下,我们可以检验行中的值是否匹配或包含某种模式,然后筛选出匹配或包含该模式的行。
代码如下:
#!/usr/bin/env python3
import csv
import re
import sys
input_file = sys.argv[1]
output_file = sys.argv[2]
pattern = re.compile(r'(?P<my_pattern_group>^001-.*)', re.I)
with open(input_file, 'r', newline='') as csv_in_file:
with open(output_file, 'w', newline='') as csv_out_file:
filereader = csv.reader(csv_in_file)
filewriter = csv.writer(csv_out_file)
header = next(filereader)
filewriter.writerow(header)
for row_list in filereader:
invoice_number = row_list[1]
if pattern.search(invoice_number):
filewriter.writerow(row_list)
我们来讨论一下上述代码。
import re
这一行代码导入了re模块,也就是正则表达式模块。
pattern = re.compile(r'(?P<my_pattern_group>^001-.*)', re.I)
这行代码使用re模块的compile()
函数创建变量pattern
。其中r
表示将单引号之间的模式当作原始字符串来处理。元字符?P<my_pattern_group>
捕获了名为<my_pattern_group>
的组中匹配了的字符串,以便在需要的时候将它们打印到屏幕或写入文件。这里要搜索的实际模式是^001-.*
。插入符号^
表示只在字符串开头搜索模式,*
表示重复前面的字符0次或更多次,.*
组合在一起使用表示除换行符\n
之外的任意字符可以在“001-”后面出现任意次。最后,参数re.I
告诉了正则表达式进行大小写敏感的匹配。
有关正则表达式的内容,可以参考我之前写的博客:Python与正则表达式。
if pattern.search(invoice_number):
filewriter.writerow(row_list)
这里使用re模块的search()
函数在invoice_number
的值中寻找模式,如果模式出现在变量值中,就将这行写入输出文件。
我们在命令行窗口运行这个脚本,得到输出文件如下图所示。
使用pandas模块的代码如下所示:
#!/usr/bin/env python3
import pandas as pd
import sys
input_file = sys.argv[1]
output_file = sys.argv[2]
data_frame = pd.read_csv(input_file)
data_frame_value_matches_pattern = data_frame.loc[data_frame['Invoice Number'].str.startswith("001-"), :]
data_frame_value_matches_pattern.to_csv(output_file, index=False)
上述代码中,startswith()
函数用来搜索数据,不用再使用正则表达式。
这里的输出结果和上面基础Python方法的输出结果一致,故省略。
文章浏览阅读645次。这个肯定是末尾的IDAT了,因为IDAT必须要满了才会开始一下个IDAT,这个明显就是末尾的IDAT了。,对应下面的create_head()代码。,对应下面的create_tail()代码。不要考虑爆破,我已经试了一下,太多情况了。题目来源:UNCTF。_攻防世界困难模式攻略图文
文章浏览阅读2.9k次,点赞3次,收藏10次。偶尔会用到,记录、分享。1. 数据库导出1.1 切换到dmdba用户su - dmdba1.2 进入达梦数据库安装路径的bin目录,执行导库操作 导出语句:./dexp cwy_init/[email protected]:5236 file=cwy_init.dmp log=cwy_init_exp.log 注释: cwy_init/init_123..._达梦数据库导入导出
文章浏览阅读1.9k次。1. 在官网上下载KindEditor文件,可以删掉不需要要到的jsp,asp,asp.net和php文件夹。接着把文件夹放到项目文件目录下。2. 修改html文件,在页面引入js文件:<script type="text/javascript" src="./kindeditor/kindeditor-all.js"></script><script type="text/javascript" src="./kindeditor/lang/zh-CN.js"_kindeditor.js
文章浏览阅读2.3k次,点赞6次,收藏14次。SPI的详情简介不必赘述。假设我们通过SPI发送0xAA,我们的数据线就会变为10101010,通过修改不同的内容,即可修改SPI中0和1的持续时间。比如0xF0即为前半周期为高电平,后半周期为低电平的状态。在SPI的通信模式中,CPHA配置会影响该实验,下图展示了不同采样位置的SPI时序图[1]。CPOL = 0,CPHA = 1:CLK空闲状态 = 低电平,数据在下降沿采样,并在上升沿移出CPOL = 0,CPHA = 0:CLK空闲状态 = 低电平,数据在上升沿采样,并在下降沿移出。_stm32g431cbu6
文章浏览阅读1.2k次,点赞2次,收藏8次。数据链路层习题自测问题1.数据链路(即逻辑链路)与链路(即物理链路)有何区别?“电路接通了”与”数据链路接通了”的区别何在?2.数据链路层中的链路控制包括哪些功能?试讨论数据链路层做成可靠的链路层有哪些优点和缺点。3.网络适配器的作用是什么?网络适配器工作在哪一层?4.数据链路层的三个基本问题(帧定界、透明传输和差错检测)为什么都必须加以解决?5.如果在数据链路层不进行帧定界,会发生什么问题?6.PPP协议的主要特点是什么?为什么PPP不使用帧的编号?PPP适用于什么情况?为什么PPP协议不_接收方收到链路层数据后,使用crc检验后,余数为0,说明链路层的传输时可靠传输
文章浏览阅读587次。软件测试工程师移民加拿大 无证移民,未受过软件工程师的教育(第1部分) (Undocumented Immigrant With No Education to Software Engineer(Part 1))Before I start, I want you to please bear with me on the way I write, I have very little gen...
文章浏览阅读304次。Thinkpad X250笔记本电脑,装的是FreeBSD,进入BIOS修改虚拟化配置(其后可能是误设置了安全开机),保存退出后系统无法启动,显示:secure boot failed ,把自己惊出一身冷汗,因为这台笔记本刚好还没开始做备份.....根据错误提示,到bios里面去找相关配置,在Security里面找到了Secure Boot选项,发现果然被设置为Enabled,将其修改为Disabled ,再开机,终于正常启动了。_安装完系统提示secureboot failure
文章浏览阅读10w+次,点赞93次,收藏352次。1、用strtok函数进行字符串分割原型: char *strtok(char *str, const char *delim);功能:分解字符串为一组字符串。参数说明:str为要分解的字符串,delim为分隔符字符串。返回值:从str开头开始的一个个被分割的串。当没有被分割的串时则返回NULL。其它:strtok函数线程不安全,可以使用strtok_r替代。示例://借助strtok实现split#include <string.h>#include <stdio.h&_c++ 字符串分割
文章浏览阅读2.3k次。1 .高斯日记 大数学家高斯有个好习惯:无论如何都要记日记。他的日记有个与众不同的地方,他从不注明年月日,而是用一个整数代替,比如:4210后来人们知道,那个整数就是日期,它表示那一天是高斯出生后的第几天。这或许也是个好习惯,它时时刻刻提醒着主人:日子又过去一天,还有多少时光可以用于浪费呢?高斯出生于:1777年4月30日。在高斯发现的一个重要定理的日记_2013年第四届c a组蓝桥杯省赛真题解答
文章浏览阅读851次,点赞17次,收藏22次。摘要:本文利用供需算法对核极限学习机(KELM)进行优化,并用于分类。
文章浏览阅读1.1k次。一、系统弱密码登录1、在kali上执行命令行telnet 192.168.26.1292、Login和password都输入msfadmin3、登录成功,进入系统4、测试如下:二、MySQL弱密码登录:1、在kali上执行mysql –h 192.168.26.129 –u root2、登录成功,进入MySQL系统3、测试效果:三、PostgreSQL弱密码登录1、在Kali上执行psql -h 192.168.26.129 –U post..._metasploitable2怎么进入
文章浏览阅读257次。本文将为初学者提供Python学习的详细指南,从Python的历史、基础语法和数据类型到面向对象编程、模块和库的使用。通过本文,您将能够掌握Python编程的核心概念,为今后的编程学习和实践打下坚实基础。_python人工智能开发从入门到精通pdf