Pandas 如何将TSV文件加载到Dataframe中

有时，任务是分析一个数据集并使用TSV（制表符分隔值）文件中的数据。为此，TSV文件有时会被转换为数据帧。数据帧是一个有标签的二维结构，具有不同类型的列。在本文中，使用名为pandas的Python库与Python代码来读取TSV文件并将其加载到数据帧中，通过两个不同的示例来说明。这些示例使用了Kaggle上提供的一个名为Zomato的数据集。Kaggle数据集以CSV（逗号分隔值）格式提供，因此首先使用在线软件链接将其转换为TSV格式。在第一个示例中，使用计算机系统中安装的Python运行了一个Python程序，该程序通过使用pandas函数将TSV文件读入数据帧。在另一个示例中，展示了在不需要在计算机中安装Python的情况下如何使用Google Colab，并在使用另一个函数后将TSV文件读入数据帧。

使用的Zomato.TSV文件

图; 这个tsv文件包含9551行和21列。

示例1：将TSV文件加载到Pandas DataFrame中-使用read_table函数和分隔符’\t’

设计步骤和编码

步骤1 - 首先导入pandas。Pandas是一个开源的、易于使用和灵活的库，通常用于在Python中对数据集进行数据分析和操作。
步骤2 - 现在将zomato.tsv文件作为数据集读取，此处给出的数据集将用于加载到数据帧中。
步骤3 - 创建一个名为dff1的数据帧，并使用pandas的read_table函数读取TSV文件。
步骤4 - 使用delimiter=’\t’和zomato.tsv文件的路径。使用head函数从该数据帧中打印一些行和列。
步骤5 - 创建一个名为dff2的数据帧，并再次使用read_table函数，但这次选择索引列。
步骤6 - 创建一个名为dff3的数据帧，并再次使用read_table函数，但打印略过一些行之后的行。

保存用于数据分析的数据文件/CSV文件

对于这些示例，我们将使用Kaggle上可用的数据。登录Kaggle并从以下链接下载CSV文件： https://www.kaggle.com/datasets/shrutimehta/zomato-restaurants-data

数据集以CSV文件的形式提供。

将CSV文件转换为TSV文件，因为示例需要TSV文件

使用以下在线转换器将CSV文件转换为TSV format.https://products.groupdocs.app/conversion/csv-to-tsv

上传CSV文件，进行转换并下载TSV文件。现在将此zomato.tsv文件用于以下示例。

使用read_table函数将TSV文件加载到Pandas DataFrame中，并使用分隔符’\t’。

将以下代码写入Python文件中

import pandas as pdd
dff1 = pdd.read_table("C:/Users/saba2/Desktop/article/articles_py/tsv/zomato.tsv",delimiter='\t')
print(dff1.head())
dff2 = pdd.read_table('C:/Users/saba2/Desktop/article/articles_py/tsv/zomato.tsv', delimiter='\t',index_col=1)
print(dff2.head())
dff3 = pdd.read_table('C:/Users/saba2/Desktop/article/articles_py/tsv/zomato.tsv', delimiter='\t',skiprows=range(3,6))
print(dff3.head())

输出

在命令窗口中运行python文件

Pandas 如何将TSV文件加载到Dataframe中

图1：使用cmd窗口显示结果。

示例2：将TSV文件加载到Pandas DataFrame中-使用read_csv函数，sep=’\t’

设计步骤和编码

第1步 - 使用您的Google帐户登录。转到Google Colab。打开一个新的Colab笔记本，并在其中编写Python代码。
第2步 - 上传从Kaggle下载并转换为tsv文件的zomato.csv文件。此处提供的数据集将用于加载到数据框中。
第3步 - 现在导入pandas。Pandas是一个开源、易于使用和灵活的库，通常在使用Python处理数据集时用于数据分析和操作。
第4步 - 创建一个名为dff的数据框，并使用pandas的read_csv函数读取TSV文件。
第5步 - 使用sep=’\t’和文件名’zomato.tsv’。通过使用head函数打印此数据框中的一些行和列。
第6步 - 打印数据框的形状。它会显示数据集中有多少行和列。
第7步 - 然后给出几个列名称以描述，并此次不打印所有列。
第8步 - 在点击给定代码单元格上的播放按钮后执行程序。检查结果，它将显示在Colab笔记本中。

上传数据、tsv文件

#Uploading the tsv
from google.colab import files
data_to_load = files.upload()

读取TSV文件并加载数据框中的指定列的代码

#import the required Library
import pandas as pdd
#Select all columns 
#dff = pdd.read_csv("zomato.tsv",sep="\t")
#Select specified columns 
dff = pdd.read_csv("zomato.tsv",sep="\t", usecols = ['Restaurant ID','Restaurant Name','City'])
#print the dataframe header and some rows
dff.head()

输出

Restaurant ID          Restaurant Name                City
0        6317637         Le Petit Souffle         Makati City 
1        6304287         Izakaya Kikufuji         Makati City
2        6300002   Heat - Edsa Shangri-La    Mandaluyong City
3        6318506                     Ooma    Mandaluyong City
4        6314302              Sambo Kojin    Mandaluyong City

结论

本Python文章中，通过两个不同的示例说明了如何将TSV文件加载到数据帧中。首先，介绍了一种方法，即从Kaggle下载CSV格式数据集，然后将其转换为TSV格式文件并保存。然后，使用pandas read_table函数将该TSV文件加载到数据帧中。在第二个示例中，使用Google Colab编写Python程序，并使用Pandas read_csv函数将相同的TSV格式数据集加载到数据帧中。