Cara mencetak kolom dengan python dari csv

Jadi mari kita mulai dengan contoh sederhana, di mana Anda memiliki data berikut yang disimpan dalam file CSV (dengan nama file 'products_sold')

Langkah-langkah untuk Mengimpor File CSV ke Python menggunakan Pandas

Langkah 1. Tangkap Jalur File

Pertama, tangkap jalur lengkap tempat file CSV Anda disimpan

Misalnya, misalkan file CSV disimpan di bawah jalur berikut

C. \Users\Ron\Desktop\ products_sold. csv

Anda harus memodifikasi kode Python di bawah ini untuk mencerminkan jalur tempat file CSV disimpan di komputer Anda. Jangan lupa sertakan

• Nama file (seperti yang disorot dalam warna hijau). Anda dapat memilih nama file yang berbeda, tetapi pastikan nama file yang ditentukan dalam kode cocok dengan nama file yang sebenarnya
• Ekstensi file (seperti yang disorot dengan warna biru). Ekstensi file harus '. csv’ saat mengimpor file CSV

Langkah 2. Terapkan kode Python

Ketik/salin kode berikut ke dalam Python, sambil membuat perubahan yang diperlukan pada jalur Anda

Berikut adalah kode untuk contoh kita

import pandas as pd

df = pd.read_csv(r'C:\Users\Ron\Desktop\products_sold.csv')
print(df)

Perhatikan bahwa Anda harus menempatkan 'r' sebelum string jalur untuk mengatasi karakter khusus apa pun di jalur, seperti '\'. Selain itu, jangan lupa untuk meletakkan nama file di ujung jalur + “. csv”

Langkah 3. Jalankan Kode

Terakhir, jalankan kode Python dan Anda akan mendapatkannya

    product brand  price
0  Computer     A   1200
1    Tablet     B    350
2   Printer     C    120
3   Monitor     D    400
4  Keyboard     E     80

Langkah Opsional. Pilih Subset Kolom

Sekarang bagaimana jika Anda ingin memilih subset kolom dari file CSV?

Misalnya, bagaimana jika Anda ingin memilih kolom produk dan harga saja. Jika demikian, Anda dapat menentukan nama kolom tersebut seperti yang diambil di bawah ini

import pandas as pd

data = pd.read_csv(r'C:\Users\Ron\Desktop\products_sold.csv')   
df = pd.DataFrame(data, columns=['product', 'price'])
print(df)

Anda harus memastikan bahwa nama kolom yang ditentukan dalam kode sama persis dengan nama kolom dalam file CSV. Jika tidak, Anda akan mendapatkan nilai NaN

Setelah Anda siap, jalankan kode (setelah menyesuaikan jalur file), dan Anda hanya akan mendapatkan kolom produk dan harga

    product  price
0  Computer   1200
1    Tablet    350
2   Printer    120
3   Monitor    400
4  Keyboard     80

Sumber daya tambahan

Anda baru saja melihat cara mengimpor file CSV ke Python menggunakan Pandas. Terkadang, Anda mungkin perlu mengimpor file Excel ke Python. Jika demikian, Anda dapat memeriksa tutorial berikut yang menjelaskan cara mengimpor file Excel ke Python

Setelah Anda mengimpor file Anda ke Python, Anda dapat mulai menghitung beberapa statistik menggunakan Panda. Atau, Anda dapat dengan mudah mengekspor Pandas DataFrame ke CSV

Untuk mengetahui lebih lanjut cara menggunakan Panda untuk mengimpor file CSV, silakan kunjungi Dokumentasi Panda

Masalah. Diberi file CSV, bagaimana cara membaca hanya kolom tertentu dari file csv? . )

Contoh. Pertimbangkan file

import pandas as pd

df = pd.read_csv("countries.csv")
country = df['Country']
# or
# country = df.Country
capital = df['Capital']
# or
# capital = df.Capital

# displaying selected columns (Country and Capital)
for x, y in zip(country, capital):
    print(f"{x}       {y}")
    
# displaying a single column (Country)
print()
print(df['Population'])

import pandas as pd

df = pd.read_csv("countries.csv")
country = df['Country']
# or
# country = df.Country
capital = df['Capital']
# or
# capital = df.Capital

# displaying selected columns (Country and Capital)
for x, y in zip(country, capital):
    print(f"{x}       {y}")
    
# displaying a single column (Country)
print()
print(df['Population'])

Country,Capital,Population,Area
Germany,Berlin,"84,267,549","348,560"
France,Paris,"65,534,239","547,557"
Spain,Madrid,"46,787,468","498,800"
Italy,Rome,"60,301,346","294,140"
India,Delhi,"1,404,495,187","2,973,190"
USA,Washington,"334,506,463","9,147,420"
China,Beijing,"1,449,357,022","9,388,211"
Poland,Warsaw,"37,771,789","306,230"
Russia,Moscow,"146,047,418","16,376,870"
England,London,"68,529,747","241,930"

Pertanyaan. Bagaimana Anda membaca file csv di atas dan menampilkan kolom berikut –

1. import pandas as pd
   
   df = pd.read_csv("countries.csv")
   country = df['Country']
   # or
   # country = df.Country
   capital = df['Capital']
   # or
   # capital = df.Capital
   
   # displaying selected columns (Country and Capital)
   for x, y in zip(country, capital):
       print(f"{x}       {y}")
       
   # displaying a single column (Country)
   print()
   print(df['Population'])

   _5 kolom bersama dengan kolom

   import pandas as pd
   
   df = pd.read_csv("countries.csv")
   country = df['Country']
   # or
   # country = df.Country
   capital = df['Capital']
   # or
   # capital = df.Capital
   
   # displaying selected columns (Country and Capital)
   for x, y in zip(country, capital):
       print(f"{x}       {y}")
       
   # displaying a single column (Country)
   print()
   print(df['Population'])

   6?
2. Semua nilai di kolom

   import pandas as pd
   
   df = pd.read_csv("countries.csv")
   country = df['Country']
   # or
   # country = df.Country
   capital = df['Capital']
   # or
   # capital = df.Capital
   
   # displaying selected columns (Country and Capital)
   for x, y in zip(country, capital):
       print(f"{x}       {y}")
       
   # displaying a single column (Country)
   print()
   print(df['Population'])

   _7?

Metode 1. Menggunakan Panda

Menggunakan perpustakaan Pandas mungkin merupakan opsi terbaik jika Anda berurusan dengan file csv. Anda dapat dengan mudah membaca file csv dan menyimpan seluruh kolom dalam sebuah variabel

Kode

import pandas as pd

df = pd.read_csv("countries.csv")
country = df['Country']
# or
# country = df.Country
capital = df['Capital']
# or
# capital = df.Capital

# displaying selected columns (Country and Capital)
for x, y in zip(country, capital):
    print(f"{x}       {y}")
    
# displaying a single column (Country)
print()
print(df['Population'])

Keluaran

Germany       Berlin
France       Paris
Spain       Madrid
Italy       Rome
India       Delhi
USA       Washington
China       Beijing
Poland       Warsaw
Russia       Moscow
England       London

0       84,267,549
1       65,534,239
2       46,787,468
3       60,301,346
4    1,404,495,187
5      334,506,463
6    1,449,357,022
7       37,771,789
8      146,047,418
9       68,529,747
Name: Population, dtype: object

Penjelasan

• Baca file csv menggunakan fungsi

  import pandas as pd
  
  df = pd.read_csv("countries.csv")
  country = df['Country']
  # or
  # country = df.Country
  capital = df['Capital']
  # or
  # capital = df.Capital
  
  # displaying selected columns (Country and Capital)
  for x, y in zip(country, capital):
      print(f"{x}       {y}")
      
  # displaying a single column (Country)
  print()
  print(df['Population'])

  _8 Pandas
• Simpan semua informasi kolom Negara dan Modal dalam variabel bebas menggunakan –

  • import pandas as pd
    
    df = pd.read_csv("countries.csv")
    country = df['Country']
    # or
    # country = df.Country
    capital = df['Capital']
    # or
    # capital = df.Capital
    
    # displaying selected columns (Country and Capital)
    for x, y in zip(country, capital):
        print(f"{x}       {y}")
        
    # displaying a single column (Country)
    print()
    print(df['Population'])

    _9
    • Sebagai alternatif, Anda juga dapat menggunakan

      Germany       Berlin
      France       Paris
      Spain       Madrid
      Italy       Rome
      India       Delhi
      USA       Washington
      China       Beijing
      Poland       Warsaw
      Russia       Moscow
      England       London
      
      0       84,267,549
      1       65,534,239
      2       46,787,468
      3       60,301,346
      4    1,404,495,187
      5      334,506,463
      6    1,449,357,022
      7       37,771,789
      8      146,047,418
      9       68,529,747
      Name: Population, dtype: object

      0

  • Germany       Berlin
    France       Paris
    Spain       Madrid
    Italy       Rome
    India       Delhi
    USA       Washington
    China       Beijing
    Poland       Warsaw
    Russia       Moscow
    England       London
    
    0       84,267,549
    1       65,534,239
    2       46,787,468
    3       60,301,346
    4    1,404,495,187
    5      334,506,463
    6    1,449,357,022
    7       37,771,789
    8      146,047,418
    9       68,529,747
    Name: Population, dtype: object

    _1
    • Sebagai alternatif, Anda juga dapat menggunakan

      Germany       Berlin
      France       Paris
      Spain       Madrid
      Italy       Rome
      India       Delhi
      USA       Washington
      China       Beijing
      Poland       Warsaw
      Russia       Moscow
      England       London
      
      0       84,267,549
      1       65,534,239
      2       46,787,468
      3       60,301,346
      4    1,404,495,187
      5      334,506,463
      6    1,449,357,022
      7       37,771,789
      8      146,047,418
      9       68,529,747
      Name: Population, dtype: object

      2

• Untuk menampilkan nama negara dan ibukotanya secara bersamaan, Anda dapat mengikat dua kolom,

  Germany       Berlin
  France       Paris
  Spain       Madrid
  Italy       Rome
  India       Delhi
  USA       Washington
  China       Beijing
  Poland       Warsaw
  Russia       Moscow
  England       London
  
  0       84,267,549
  1       65,534,239
  2       46,787,468
  3       60,301,346
  4    1,404,495,187
  5      334,506,463
  6    1,449,357,022
  7       37,771,789
  8      146,047,418
  9       68,529,747
  Name: Population, dtype: object

  3 dan

  Germany       Berlin
  France       Paris
  Spain       Madrid
  Italy       Rome
  India       Delhi
  USA       Washington
  China       Beijing
  Poland       Warsaw
  Russia       Moscow
  England       London
  
  0       84,267,549
  1       65,534,239
  2       46,787,468
  3       60,301,346
  4    1,404,495,187
  5      334,506,463
  6    1,449,357,022
  7       37,771,789
  8      146,047,418
  9       68,529,747
  Name: Population, dtype: object

  4, menggunakan fungsi zip() dan kemudian menampilkan setiap negara beserta ibukotanya menggunakan loop for pada objek zip
• Untuk menampilkan semua nilai pada kolom populasi, Anda cukup menggunakan

  Germany       Berlin
  France       Paris
  Spain       Madrid
  Italy       Rome
  India       Delhi
  USA       Washington
  China       Beijing
  Poland       Warsaw
  Russia       Moscow
  England       London
  
  0       84,267,549
  1       65,534,239
  2       46,787,468
  3       60,301,346
  4    1,404,495,187
  5      334,506,463
  6    1,449,357,022
  7       37,771,789
  8      146,047,418
  9       68,529,747
  Name: Population, dtype: object

  5

TRIVIA

Germany       Berlin
France       Paris
Spain       Madrid
Italy       Rome
India       Delhi
USA       Washington
China       Beijing
Poland       Warsaw
Russia       Moscow
England       London

0       84,267,549
1       65,534,239
2       46,787,468
3       60,301,346
4    1,404,495,187
5      334,506,463
6    1,449,357,022
7       37,771,789
8      146,047,418
9       68,529,747
Name: Population, dtype: object

Germany       Berlin
France       Paris
Spain       Madrid
Italy       Rome
India       Delhi
USA       Washington
China       Beijing
Poland       Warsaw
Russia       Moscow
England       London

0       84,267,549
1       65,534,239
2       46,787,468
3       60,301,346
4    1,404,495,187
5      334,506,463
6    1,449,357,022
7       37,771,789
8      146,047,418
9       68,529,747
Name: Population, dtype: object

Germany       Berlin
France       Paris
Spain       Madrid
Italy       Rome
India       Delhi
USA       Washington
China       Beijing
Poland       Warsaw
Russia       Moscow
England       London

0       84,267,549
1       65,534,239
2       46,787,468
3       60,301,346
4    1,404,495,187
5      334,506,463
6    1,449,357,022
7       37,771,789
8      146,047,418
9       68,529,747
Name: Population, dtype: object

➤ Pengindeksan Berbasis Daftar dari DataFrame

Jika Anda merasa tidak nyaman menggunakan

Germany       Berlin
France       Paris
Spain       Madrid
Italy       Rome
India       Delhi
USA       Washington
China       Beijing
Poland       Warsaw
Russia       Moscow
England       London

0       84,267,549
1       65,534,239
2       46,787,468
3       60,301,346
4    1,404,495,187
5      334,506,463
6    1,449,357,022
7       37,771,789
8      146,047,418
9       68,529,747
Name: Population, dtype: object

Pengindeksan berbasis daftar adalah teknik yang memungkinkan Anda meneruskan beberapa nama kolom sebagai daftar dalam pemilih tanda kurung siku

Contoh

import pandas as pd

df = pd.read_csv("countries.csv")
print()
print(df[['Country', 'Capital']])

Keluaran

   Country     Capital
0  Germany      Berlin
1   France       Paris
2    Spain      Madrid
3    Italy        Rome
4    India       Delhi
5      USA  Washington
6    China     Beijing
7   Poland      Warsaw
8   Russia      Moscow
9  England      London

Metode 2. Pengindeksan Berbasis Integer dengan iloc

Mendekati. Idenya di sini adalah menggunakan 

import pandas as pd

df = pd.read_csv("countries.csv")
print()
print(df[['Country', 'Capital']])

• import pandas as pd
  
  df = pd.read_csv("countries.csv")
  print()
  print(df[['Country', 'Capital']])

  1 digunakan untuk memilih baris individual. Gunakan titik dua pengiris

  import pandas as pd
  
  df = pd.read_csv("countries.csv")
  print()
  print(df[['Country', 'Capital']])

  _2 untuk memastikan semua baris telah dipilih

• import pandas as pd
  
  df = pd.read_csv("countries.csv")
  print()
  print(df[['Country', 'Capital']])

  3 digunakan untuk memilih kolom individu
  • Gunakan

    import pandas as pd
    
    df = pd.read_csv("countries.csv")
    print()
    print(df[['Country', 'Capital']])

    _4 untuk menyimpan nilai kolom Negara

  • import pandas as pd
    
    df = pd.read_csv("countries.csv")
    print()
    print(df[['Country', 'Capital']])

    5 untuk menyimpan nilai kolom Modal

  • import pandas as pd
    
    df = pd.read_csv("countries.csv")
    print()
    print(df[['Country', 'Capital']])

    6 untuk menyimpan nilai kolom Populasi

import pandas as pd

data = pd.read_csv('countries.csv')
country = data.iloc[:, 0].values
capital = data.iloc[:, 1].values
population = data.iloc[:, 2].values
# displaying selected columns
print(data[['Country', 'Capital']])
print()
# displaying a single column (Population)
print(population)

Keluaran

Country     Capital
0  Germany      Berlin
1   France       Paris
2    Spain      Madrid
3    Italy        Rome
4    India       Delhi
5      USA  Washington
6    China     Beijing
7   Poland      Warsaw
8   Russia      Moscow
9  England      London

['84,267,549' '65,534,239' '46,787,468' '60,301,346' '1,404,495,187'
 '334,506,463' '1,449,357,022' '37,771,789' '146,047,418' '68,529,747']

Metode 3. Pengindeksan Berbasis Nama dengan loc()

Alih-alih memilih kolom berdasarkan indeksnya, Anda juga dapat memilihnya berdasarkan namanya menggunakan pemilih

import pandas as pd

df = pd.read_csv("countries.csv")
print()
print(df[['Country', 'Capital']])

Contoh berikut menunjukkan cara memilih kolom

import pandas as pd

df = pd.read_csv("countries.csv")
country = df['Country']
# or
# country = df.Country
capital = df['Capital']
# or
# capital = df.Capital

# displaying selected columns (Country and Capital)
for x, y in zip(country, capital):
    print(f"{x}       {y}")
    
# displaying a single column (Country)
print()
print(df['Population'])

import pandas as pd

df = pd.read_csv("countries.csv")
country = df['Country']
# or
# country = df.Country
capital = df['Capital']
# or
# capital = df.Capital

# displaying selected columns (Country and Capital)
for x, y in zip(country, capital):
    print(f"{x}       {y}")
    
# displaying a single column (Country)
print()
print(df['Population'])

import pandas as pd

data = pd.read_csv('countries.csv')
val = data.loc[:, ['Country', 'Capital']]
print(val)

Keluaran

Country     Capital
0  Germany      Berlin
1   France       Paris
2    Spain      Madrid
3    Italy        Rome
4    India       Delhi
5      USA  Washington
6    China     Beijing
7   Poland      Warsaw
8   Russia      Moscow
9  England      London

Tutorial Terkait. Mengiris Data dari Pandas DataFrame menggunakan. lokasi dan. iloc

Metode 4. Menggunakan Modul csv

Modul

import pandas as pd

df = pd.read_csv("countries.csv")
country = df['Country']
# or
# country = df.Country
capital = df['Capital']
# or
# capital = df.Capital

# displaying selected columns (Country and Capital)
for x, y in zip(country, capital):
    print(f"{x}       {y}")
    
# displaying a single column (Country)
print()
print(df['Population'])

import csv

population = []
with open('countries.csv', newline='', encoding='utf-8-sig') as csvfile:
    data = csv.DictReader(csvfile)
    for r in data:
        print("Country", ":", "Capital")
        # append values from population column to population list
        population.append(r['Population'])
        # displaying specific columns (Country and Capital)
        print(r['Country'], ":", r['Capital'])
    # display the population list
    print(population)

Keluaran

import pandas as pd

df = pd.read_csv("countries.csv")
country = df['Country']
# or
# country = df.Country
capital = df['Capital']
# or
# capital = df.Capital

# displaying selected columns (Country and Capital)
for x, y in zip(country, capital):
    print(f"{x}       {y}")
    
# displaying a single column (Country)
print()
print(df['Population'])

Penjelasan

• Impor modul

  import pandas as pd
  
  df = pd.read_csv("countries.csv")
  country = df['Country']
  # or
  # country = df.Country
  capital = df['Capital']
  # or
  # capital = df.Capital
  
  # displaying selected columns (Country and Capital)
  for x, y in zip(country, capital):
      print(f"{x}       {y}")
      
  # displaying a single column (Country)
  print()
  print(df['Population'])

  _3 dan buka file csv. Pastikan Anda memasukkan argumen

     Country     Capital
  0  Germany      Berlin
  1   France       Paris
  2    Spain      Madrid
  3    Italy        Rome
  4    India       Delhi
  5      USA  Washington
  6    China     Beijing
  7   Poland      Warsaw
  8   Russia      Moscow
  9  England      London

  _2 karena membantu menghilangkan karakter yang tidak dapat dibaca yang mungkin muncul dalam file csv yang diberikan

  •    Country     Capital
    0  Germany      Berlin
    1   France       Paris
    2    Spain      Madrid
    3    Italy        Rome
    4    India       Delhi
    5      USA  Washington
    6    China     Beijing
    7   Poland      Warsaw
    8   Russia      Moscow
    9  England      London

    _3
• Izinkan Python untuk membaca file csv sebagai kamus menggunakan objek

     Country     Capital
  0  Germany      Berlin
  1   France       Paris
  2    Spain      Madrid
  3    Italy        Rome
  4    India       Delhi
  5      USA  Washington
  6    China     Beijing
  7   Poland      Warsaw
  8   Russia      Moscow
  9  England      London

  4
• Setelah file dibaca dalam bentuk kamus, Anda dapat dengan mudah mengambil nilai dari kolom masing-masing dengan menggunakan kunci dalam tanda kurung siku dari kamus. Di sini setiap kolom mewakili kunci dalam kamus yang diberikan

Bonus. Berikut sekilas tampilan kelas

   Country     Capital
0  Germany      Berlin
1   France       Paris
2    Spain      Madrid
3    Italy        Rome
4    India       Delhi
5      USA  Washington
6    China     Beijing
7   Poland      Warsaw
8   Russia      Moscow
9  England      London

import pandas as pd

df = pd.read_csv("countries.csv")
country = df['Country']
# or
# country = df.Country
capital = df['Capital']
# or
# capital = df.Capital

# displaying selected columns (Country and Capital)
for x, y in zip(country, capital):
    print(f"{x}       {y}")
    
# displaying a single column (Country)
print()
print(df['Population'])

Keluaran

import pandas as pd

df = pd.read_csv("countries.csv")
country = df['Country']
# or
# country = df.Country
capital = df['Capital']
# or
# capital = df.Capital

# displaying selected columns (Country and Capital)
for x, y in zip(country, capital):
    print(f"{x}       {y}")
    
# displaying a single column (Country)
print()
print(df['Population'])

Jelas dari keluaran bahwa

   Country     Capital
0  Germany      Berlin
1   France       Paris
2    Spain      Madrid
3    Italy        Rome
4    India       Delhi
5      USA  Washington
6    China     Beijing
7   Poland      Warsaw
8   Russia      Moscow
9  England      London

Kesimpulan

Singkatnya, ada empat cara utama untuk mengakses kolom tertentu dari file csv yang diberikan

• Pengindeksan Berbasis Daftar
• Pengindeksan Berbasis Integer
• Pengindeksan Berbasis Nama
• Menggunakan modul csv

     Country     Capital
  0  Germany      Berlin
  1   France       Paris
  2    Spain      Madrid
  3    Italy        Rome
  4    India       Delhi
  5      USA  Washington
  6    China     Beijing
  7   Poland      Warsaw
  8   Russia      Moscow
  9  England      London

  _7 kelas

Jangan ragu untuk menggunakan salah satu yang paling cocok untuk Anda. Saya harap tutorial ini membantu Anda. Silakan berlangganan dan nantikan tutorial menarik lainnya. Selamat belajar

Pelajari Panda dengan Cara yang Menyenangkan dengan Memecahkan Teka-Teki Kode

Jika Anda ingin meningkatkan keterampilan Panda Anda, pertimbangkan untuk memeriksa buku pembelajaran berbasis teka-teki saya Coffee Break Pandas (Amazon Link)

Ini berisi 74 teka-teki Panda buatan tangan termasuk penjelasannya. Dengan memecahkan setiap teka-teki, Anda akan mendapatkan skor yang mewakili tingkat keahlian Anda dalam Panda. Bisakah Anda menjadi Grandmaster Panda?

Coffee Break Pandas menawarkan pendekatan berbasis kesenangan untuk penguasaan ilmu data—dan pengalaman belajar yang benar-benar gamified

Shubham Sayon

Saya seorang Blogger Python profesional dan pembuat Konten. Saya telah menerbitkan banyak artikel dan membuat kursus selama periode waktu tertentu. Saat ini saya bekerja sebagai pekerja lepas penuh waktu dan saya memiliki pengalaman dalam domain seperti Python, AWS, DevOps, dan Networking

Bagaimana cara menampilkan kolom dalam file CSV?

Bagaimana cara mendapatkan nama kolom dari file CSV dengan Python?

Bagaimana cara membaca kolom tertentu dari file CSV di python panda?

Bagaimana cara mencetak nilai dari file CSV dengan Python?