Untuk membaca lajur tertentu dari fail CSV, anda harus menggunakan parameter USECOLS dalam fungsi bacaan pandas '(). 1. Anda boleh lulus dalam senarai nama lajur seperti ['nama', 'bandar', 'gaji'] untuk membaca secara langsung lajur yang ditentukan; 2. Anda boleh lulus dalam senarai indeks lajur seperti [0, 2, 3] untuk membaca lajur yang sepadan dengan kedudukan, indeks bermula dari 0 dan perlu berada dalam julat yang sah; 3. Di samping itu, parameter USECOLS secara berkesan dapat mengurangkan penggunaan memori dan meningkatkan kecekapan bacaan, terutamanya yang sesuai untuk senario di mana hanya beberapa lajur yang diperlukan dalam fail besar. Sebelum digunakan, disyorkan untuk mengesahkan ketepatan nama lajur melalui pd.read_csv ('data.csv', nrows = 0). Columns Untuk mengelakkan kesilapan yang disebabkan oleh ruang atau kes. Kaedah ini adalah teknik biasa untuk membaca data yang cekap.
Jika anda ingin menggunakan Pandas untuk membaca lajur tertentu dari fail CSV, anda boleh menggunakan parameter usecols
fungsi read_csv()
. Kaedah ini bukan sahaja menjimatkan memori, tetapi juga mempercepatkan kelajuan membaca, terutamanya apabila berurusan dengan fail besar.

Berikut adalah contoh yang mudah dan jelas:
? 1. Sintaks Asas: Baca lajur yang ditentukan
Katakan anda mempunyai data fail data.csv
, dengan kandungan berikut:

nama, umur, bandar, gaji, jabatan Alice, 30, New York, 70,000, Kejuruteraan Bob, 25, Los Angeles, 50,000, Jualan Charlie, 35, Chicago, 80,000, Kejuruteraan Diana, 28, San Francisco, 60,000, Pemasaran
Anda hanya mahu membaca name
, city
dan lajur salary
:
Import Pandas sebagai PD df = pd.read_csv ('data.csv', useScols = ['name', 'city', 'gaji']) Cetak (DF)
Hasil output:

Namakan gaji bandar 0 Alice New York 70000 1 Bob Los Angeles 50000 2 Charlie Chicago 80000 3 Diana San Francisco 60000
? 2. Baca oleh indeks lajur (sesuai untuk apabila nama lajur rumit atau jika anda tidak mahu menulis nama penuh)
Anda juga boleh membaca indeks kedudukan lajur, seperti bacaan lajur 0 (nama), lajur 2 (bandar), dan lajur 3 (gaji):
df = pd.read_csv ('data.csv', usecols = [0, 2, 3]) Cetak (DF)
Output adalah sama:
Namakan gaji bandar 0 Alice New York 70000 1 Bob Los Angeles 50000 2 Charlie Chicago 80000 3 Diana San Francisco 60000
?? Nota: Indeks bermula pada 0, dan indeks yang anda nyatakan mesti berada dalam julat lajur fail.
? 3. Gunakan Callable untuk Menapis Nama Lajur (Penggunaan Lanjutan)
Anda juga boleh lulus dalam fungsi yang hanya membaca lajur yang sepadan dengan peraturan:
# Baca hanya lajur dengan panjang nama lajur kurang daripada 5 df = pd.read_csv ('data.csv', usecols = lambda x: len (x) <5) Cetak (DF)
Sebagai contoh, jika hanya name
dan age
memenuhi syarat (panjang
? Petua
-
usecols
menerima:- Senarai Nama Lajur:
['col1', 'col2']
- Senarai Indeks Lajur:
[0, 2, 3]
- Fungsi:
lambda x: x in ['name', 'city']
- Senarai Nama Lajur:
- Jika nama lajur mempunyai ruang atau masalah kes, disarankan untuk memeriksa
pd.read_csv('data.csv', nrows=0).columns
untuk mengesahkan nama lajur terlebih dahulu. - Menggunakan
usecols
dapat meningkatkan prestasi dengan ketara, terutama ketika melangkaui puluhan lajur dan hanya mengambil beberapa lajur.
Pada dasarnya itu sahaja. usecols
adalah ciri yang mudah tetapi sangat praktikal, terutamanya sesuai untuk pengekstrakan medan yang diperlukan semasa mengendalikan fail CSV yang besar.
Atas ialah kandungan terperinci Python Baca lajur khusus dari CSV Pandas Contoh. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undress AI Tool
Gambar buka pakaian secara percuma

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas

Polimorfisme adalah konsep teras dalam pengaturcaraan berorientasikan objek Python, merujuk kepada "satu antara muka, pelbagai pelaksanaan", yang membolehkan pemprosesan bersatu pelbagai jenis objek. 1. Polimorfisme dilaksanakan melalui penulisan semula kaedah. Subkelas boleh mentakrifkan semula kaedah kelas induk. Sebagai contoh, kaedah bercakap () kelas haiwan mempunyai pelaksanaan yang berbeza dalam subkelas anjing dan kucing. 2. Penggunaan praktikal polimorfisme termasuk memudahkan struktur kod dan meningkatkan skalabilitas, seperti memanggil kaedah cabutan () secara seragam dalam program lukisan grafik, atau mengendalikan tingkah laku umum watak -watak yang berbeza dalam pembangunan permainan. 3. Polimorfisme pelaksanaan Python perlu memenuhi: Kelas induk mentakrifkan kaedah, dan kelas kanak -kanak mengatasi kaedah, tetapi tidak memerlukan warisan kelas induk yang sama. Selagi objek melaksanakan kaedah yang sama, ini dipanggil "jenis itik". 4. Perkara yang perlu diperhatikan termasuk penyelenggaraan

Parameter adalah ruang letak apabila menentukan fungsi, sementara argumen adalah nilai khusus yang diluluskan ketika memanggil. 1. Parameter kedudukan perlu diluluskan, dan perintah yang salah akan membawa kepada kesilapan dalam hasilnya; 2. Parameter kata kunci ditentukan oleh nama parameter, yang boleh mengubah pesanan dan meningkatkan kebolehbacaan; 3. Nilai parameter lalai diberikan apabila ditakrifkan untuk mengelakkan kod pendua, tetapi objek berubah harus dielakkan sebagai nilai lalai; 4 Args dan *kwargs boleh mengendalikan bilangan parameter yang tidak pasti dan sesuai untuk antara muka umum atau penghias, tetapi harus digunakan dengan berhati -hati untuk mengekalkan kebolehbacaan.

Iterator adalah objek yang melaksanakan kaedah __iter __ () dan __Next __ (). Penjana adalah versi Iterator yang dipermudahkan, yang secara automatik melaksanakan kaedah ini melalui kata kunci hasil. 1. Iterator mengembalikan elemen setiap kali dia memanggil seterusnya () dan melemparkan pengecualian berhenti apabila tidak ada lagi elemen. 2. Penjana menggunakan definisi fungsi untuk menghasilkan data atas permintaan, menjimatkan memori dan menyokong urutan tak terhingga. 3. Menggunakan Iterator apabila memproses set sedia ada, gunakan penjana apabila menghasilkan data besar secara dinamik atau penilaian malas, seperti garis pemuatan mengikut baris apabila membaca fail besar. NOTA: Objek yang boleh diperolehi seperti senarai bukanlah pengaliran. Mereka perlu dicipta semula selepas pemalar itu sampai ke penghujungnya, dan penjana hanya boleh melintasi sekali.

Kaedah kelas adalah kaedah yang ditakrifkan dalam python melalui penghias @classmethod. Parameter pertamanya adalah kelas itu sendiri (CLS), yang digunakan untuk mengakses atau mengubah keadaan kelas. Ia boleh dipanggil melalui kelas atau contoh, yang mempengaruhi seluruh kelas dan bukannya contoh tertentu; Sebagai contoh, dalam kelas orang, kaedah show_count () mengira bilangan objek yang dibuat; Apabila menentukan kaedah kelas, anda perlu menggunakan penghias @classmethod dan namakan parameter pertama CLS, seperti kaedah change_var (new_value) untuk mengubah suai pembolehubah kelas; Kaedah kelas adalah berbeza daripada kaedah contoh (parameter diri) dan kaedah statik (tiada parameter automatik), dan sesuai untuk kaedah kilang, pembina alternatif, dan pengurusan pembolehubah kelas. Kegunaan biasa termasuk:

Kunci untuk menangani pengesahan API adalah untuk memahami dan menggunakan kaedah pengesahan dengan betul. 1. Apikey adalah kaedah pengesahan yang paling mudah, biasanya diletakkan dalam tajuk permintaan atau parameter URL; 2. BasicAuth menggunakan nama pengguna dan kata laluan untuk penghantaran pengekodan Base64, yang sesuai untuk sistem dalaman; 3. OAuth2 perlu mendapatkan token terlebih dahulu melalui client_id dan client_secret, dan kemudian bawa bearertoken dalam header permintaan; 4. Untuk menangani tamat tempoh token, kelas pengurusan token boleh dikemas dan secara automatik menyegarkan token; Singkatnya, memilih kaedah yang sesuai mengikut dokumen dan menyimpan maklumat utama adalah kunci.

MagicMethods Python (atau kaedah dunder) adalah kaedah khas yang digunakan untuk menentukan tingkah laku objek, yang bermula dan berakhir dengan garis bawah dua. 1. Mereka membolehkan objek bertindak balas terhadap operasi terbina dalam, seperti tambahan, perbandingan, perwakilan rentetan, dan sebagainya; 2. Kes penggunaan biasa termasuk inisialisasi objek dan perwakilan (__init__, __repr__, __str__), operasi aritmetik (__add__, __sub__, __mul__) dan operasi perbandingan (__eq__, ___lt__); 3. Apabila menggunakannya, pastikan tingkah laku mereka memenuhi jangkaan. Sebagai contoh, __repr__ harus mengembalikan ungkapan objek refortable, dan kaedah aritmetik harus mengembalikan contoh baru; 4. Perkara yang berlebihan atau mengelirukan harus dielakkan.

Pythonmanagesmemoryautomatically leverenceCountingandagarbageCollector.referenceCountingTrackShowmanyvariablesreferoanobject, dan yang mana -mana, dan yang mana -mana

Mekanisme pengumpulan sampah Python secara automatik menguruskan memori melalui pengiraan rujukan dan pengumpulan sampah berkala. Kaedah terasnya adalah penghitungan rujukan, yang segera melepaskan memori apabila bilangan rujukan objek adalah sifar; Tetapi ia tidak dapat mengendalikan rujukan bulat, jadi modul pengumpulan sampah (GC) diperkenalkan untuk mengesan dan membersihkan gelung. Pengumpulan sampah biasanya dicetuskan apabila kiraan rujukan berkurangan semasa operasi program, perbezaan peruntukan dan pelepasan melebihi ambang, atau apabila gc.collect () dipanggil secara manual. Pengguna boleh mematikan kitar semula automatik melalui gc.disable (), secara manual melaksanakan gc.collect (), dan menyesuaikan ambang untuk mencapai kawalan melalui gc.set_threshold (). Tidak semua objek mengambil bahagian dalam kitar semula gelung. Sekiranya objek yang tidak mengandungi rujukan diproses dengan mengira rujukan, ia terbina dalam
