Работа с CSV в Python: чтение и визуализация

В этом разделе рассмотрены методы работы с данными, хранящимися в формате csv, и создание простых графиков.

Необходимые импорты и настройки

# Немедленный вывод графиков
%matplotlib inline

import pandas as pd
import matplotlib.pyplot as plt

plt.style.use('ggplot')  # Эстетически приятные графики
plt.rcParams['figure.figsize'] = (15, 5)  # Размер изображений

Чтение из csv файла

Для обратки CSV файлов используется функция read_csv. Изначально предполагается, что разделитель полей — запятая.

Рассмотрим данные о велосипедистах в Монреале, которые можно скачать по этой ссылке.

Этот датасет содержит информацию о числе велосипедистов на 7 маршрутах в Монреале за каждый день.

Чтобы корректно загрузить данные, необходимо указать следующие параметры:

• Установить разделитель как ;
• Задать кодировку 'latin1' вместо 'utf8'
• Уточнить, что в колонке 'Date' хранятся даты
• Указать порядок в формате YYYY-DD-MM (сначала день, затем месяц)
• Заменить индекс на значения из колонки 'Date'

fixed_df = pd.read_csv('data/bikes.csv',  # Путь к скачанному файлу
                           sep=';', encoding='latin1',
                           parse_dates=['Date'], dayfirst
                                    =True,
                           index_col='Date')
fixed_df[:3]

Выбор колонок

При работе с CSV через pandas создается объект, называемый DataFrame, состоящий из строк и столбцов. Получить доступ к нужным столбцам можно аналогично получению элементов словаря.

Пример:

fixed_df['Berri 1'][:10]

Date
2012-01-01     35
2012-01-02     83
2012-01-03    135
2012-01-04    144
2012-01-05    197
2012-01-06    146
2012-01-07     98
2012-01-08     95
2012-01-09    244
2012-01-10    397
Name: Berri 1, dtype: int64

Графики

Чтобы построить график, достаточно добавить .plot() в конце! Что может быть проще?

Как видно, зимой (в январе, феврале и марте) велосипедисты редко появляются на трассах.

In [4]:

fixed_df['Berri 1'].plot()

Out[4]: