Comment analyser des fichiers CSV en Python

Les fichiers CSV sont beaucoup utilisés pour stocker des données tabulaires dans un fichier. Nous pouvons facilement exporter des données à partir de tables de base de données ou de fichiers Excel vers des fichiers CSV. Il est également facile à lire pour les humains ainsi que dans le programme. Dans ce tutoriel, nous allons apprendre à analyser des fichiers CSV en Python.

Qu'est-ce que le parsing ?

Analyser un fichier signifie lire les données d'un fichier. Le fichier peut contenir des données textuelles, appelées fichiers texte, ou il peut s'agir d'une feuille de calcul.

Qu'est-ce qu'un fichier CSV ?

CSV signifie "fichiers séparés par des virgules", c'est-à-dire que les données sont séparées les unes des autres par des virgules. Les fichiers CSV sont créés par le programme qui traite un grand nombre de données. Les données des fichiers CSV peuvent être facilement exportées sous forme de tableur et de base de données ainsi qu'importées pour être utilisées par d'autres programmes. Voyons comment analyser un fichier CSV. L'analyse des fichiers CSV en Python est assez facile. Python dispose d'une bibliothèque CSV intégrée qui offre la fonctionnalité de lecture et d'écriture des données à partir des fichiers CSV. Il existe une variété de formats disponibles pour les fichiers CSV dans la bibliothèque, ce qui rend le traitement des données convivial.

Analyser un fichier CSV en Python

Lire des fichiers CSV en utilisant le module CSV intégré de Python.

import csv

with open('university_records.csv', 'r') as csv_file:
    reader = csv.reader(csv_file)

    for row in reader:
        print(row)

Sortie :

Écrire un fichier CSV en Python

Pour écrire un fichier, nous devons l'ouvrir en mode écriture ou en mode ajout. Ici, nous allons ajouter les données au fichier CSV existant.

import csv

row = ['David', 'MCE', '3', '7.8']

row1 = ['Lisa', 'PIE', '3', '9.1']

row2 = ['Raymond', 'ECE', '2', '8.5']

with open('university_records.csv', 'a') as csv_file:
    writer = csv.writer(csv_file)

    writer.writerow(row)

    writer.writerow(row1)

    writer.writerow(row2)

Analyser des fichiers CSV en utilisant la bibliothèque Pandas

Il existe une autre façon de travailler avec des fichiers CSV, qui est la plus populaire et la plus professionnelle, et c'est d'utiliser la bibliothèque pandas. Pandas est une bibliothèque d'analyse de données en Python. Elle offre différentes structures, outils et opérations pour travailler et manipuler des données données qui sont principalement des tables bidimensionnelles ou unidimensionnelles.

Utilisations et caractéristiques de la bibliothèque pandas

• Les ensembles de données se pivotent et se redessinent.
• Manipulation des données avec indexation en utilisant des objets DataFrame.
• Filtration des données.
• Opération de fusion et de jointure sur des ensembles de données.
• Tranchage, indexation et sous-ensemble de grands ensembles de données.
• Gestion des données manquantes et alignement des données.
• Insertion et suppression de lignes/colonnes.
• Des formats de fichiers unidimensionnels.
• Outils de lecture et d'écriture pour des données dans divers formats de fichiers.

Pour travailler avec le fichier CSV, vous devez installer pandas. L'installation de pandas est assez simple, suivez les instructions ci-dessous pour l'installer en utilisant PIP.

pip install pandas

Installer Pandas avec Python

Une fois l'installation terminée, vous êtes prêt à partir.

Lire un fichier CSV en utilisant le module Pandas

Vous devez connaître le chemin où se trouve votre fichier de données dans votre système de fichiers et quel est votre répertoire de travail actuel avant de pouvoir utiliser pandas pour importer les données de votre fichier CSV. Je suggère de garder votre code et le fichier de données dans le même répertoire ou dossier afin que vous n'ayez pas besoin de spécifier le chemin, ce qui vous fera gagner du temps et de l'espace.

import pandas

result = pandas.read_csv('ign.csv')

print(result)

Sortie

Écriture d'un fichier CSV en utilisant le module Pandas

Écrire des fichiers CSV en utilisant pandas est aussi simple que de lire. Le seul terme nouveau utilisé est DataFrame. Le DataFrame de pandas est une structure de données tabulaire bidimensionnelle et hétérogène (les données sont disposées de manière tabulaire en lignes et en colonnes). Le DataFrame de pandas se compose de trois composants principaux - données, colonnes et lignes - avec un axe x et un axe y étiquetés (lignes et colonnes).

from pandas import DataFrame

C = {'Programming language': ['Python', 'Java', 'C++'],

     'Designed by': ['Guido van Rossum', 'James Gosling', 'Bjarne Stroustrup'],

     'Appeared': ['1991', '1995', '1985'],

     'Extension': ['.py', '.java', '.cpp'],

     }

df = DataFrame(C, columns=['Programming language', 'Designed by', 'Appeared', 'Extension'])

export_csv = df.to_csv(r'program_lang.csv', index=None, header=True)

Sortie

Conclusion

Nous avons appris à analyser un fichier CSV en utilisant le module CSV intégré et le module pandas. Il existe de nombreuses façons différentes d'analyser les fichiers, mais les programmeurs ne les utilisent pas largement. Des bibliothèques comme PlyPlus, PLY et ANTLR sont quelques-unes des bibliothèques utilisées pour analyser des données textuelles. Maintenant, vous savez comment utiliser la bibliothèque CSV intégrée et le puissant module pandas pour lire et écrire des données au format CSV. Les codes présentés ci-dessus sont très basiques et directs. Ils peuvent être compris par quiconque ayant des notions de Python, donc je ne pense pas qu'il soit nécessaire d'expliquer. Cependant, la manipulation de données complexes avec des entrées vides et ambiguës n'est pas facile. Cela nécessite de la pratique et la connaissance de divers outils dans pandas. Le CSV est le meilleur moyen de sauvegarder et de partager des données. Pandas est une excellente alternative aux modules CSV. Vous pouvez avoir des difficultés au début, mais ce n'est pas si difficile à apprendre. Avec un peu de pratique, vous le maîtriserez.