extraindo colunas de csv e excel usando pandas

(ou criando subsets de dados usando pandas)

Já mostrei como é fácil ler e exportar dados de arquivo csv ou xls usando pandas, mas digamos que diante de um dataset com várias colunas, você precise isolar algumas.

Dado o seguinte:

In [1]:

import pandas as pd

In [3]:

dados = pd.read_csv('file.csv')

In [4]:

dados

Out[4]:

	a	b	c	d
0	1	2	3	4
1	5	6	7	8

Caso você queira um range de colunas você pode:

In [5]:

dados.ix[:,1:3]

Out[5]:

	b	c
0	2	3
1	6	7

Caso queira separar pelo header:

In [6]:

dados[['b','d']]

Out[6]:

	b	d
0	2	4
1	6	8

Após isso, em ambos, caso queira os dados de uma coluna, basta usar:

In [7]:

novo = dados[['b', 'd']]

In [8]:

novo['b']

Out[8]:

0    2
1    6

=]

ps: usei o https://try.jupyter.org/ para construir esses exemplos e, lá, sempre são impressos à esquerda o número das colunas.

de excel para csv com pandas em 3 linhas

Veja como é ridiculamente fácil transformar um arquivo do Excel em csv usando pandas do python

import pandas as pd
data = pd.read_excel("arquivo.xls")
data.to_csv("arquivo.csv")

simples assim.

ainda há outros parâmetros em cada um desses métodos usados, você pode:
- indicar qual 'sheet' do xls e mais
- indicar encoding, colunas, header do csv e muito mais.

Só lembre-se que, para essa operação, é necessário instalar o pacote xlrd.

juntar arquivos CSV usando pandas

pandas ou Python Data Analysis Library é um biblioteca open-source que provê ferramentas de alta performance para estrutura e análise de dados para python.

É uma biblioteca bem poderosa e aqui um exemplo bem simples de como usá-la.

Considere:

primeiro.csv
coluna1,coluna2
1,a
2,b
3,c

segundo.csv
coluna3,coluna4
z,m
x,n
c,h

Para mesclar esses dois csv:

import pandas as pd
primeiro = pd.read_csv('primeiro.csv')
segundo = pd.read_csv('segundo.csv')
mesclado = pd.concat([primeiro, segundo], axis=1)

A saída será algo como:

	coluna1	coluna2	coluna3	coluna4
0	1	a	z	m
1	2	b	x	n
2	3	c	c	h

A documentação cobre, obviamente, muito mais - corre lá.