使用pandas 读取csv文件前几行数据

文件内容如下：

先读取标题：

importpandas as pd

path= r'C:\Users\dhw\Desktop\work\term paper\Home work_10\TREE.csv'

defopendata(path):

df=pd.read_csv(path)

list_label=df.columns.values #cloumns 为csv文件的标题print(df)print(list_label)

opendata(path)

读取前几行数据：

importpandasas pd

data= pd.read_csv(path,nrows =5)print(data)

将csv文件转化为list

importpandas as pd

path= r'C:\Users\dhw\Desktop\work\term paper\Home work_10\TREE.csv'

defopendata(path):

df=pd.read_csv(path)

list_label=df.columns.values

list_data=df.values.tolist()print(list_data)

opendata(path)#[['青年', '否', '否', '一般', '否'],

['青年', '否', '否', '好', '否'],

['青年', '是', '否', '好', '是'],

['青年', '是', '是', '一般', '是'],

['青年', '否', '否', '一般', '否'],

['中年', '否', '否', '一般', '否'],

['中年', '否', '否', '好', '否'],

['中年', '是', '是', '好', '是'],

['中年', '否', '是', '非常好', '是'],

['中年', '否', '是', '非常好', '是'],

['老年', '否', '是', '非常好', '是'],

['老年', '否', '是', '好', '是'],

['老年', '是', '否', '好', '是'],

['老年', '是', '否', '非常好', '是'],

['老年', '否', '否', '一般', '否']]

删除csv文件的某一列

方法一：直接del DF['column-name']

方法二：采用drop方法，有下面三种等价的表达式：

1. DF= DF.drop('column_name', 1)；

2. DF.drop('column_name',axis=1, inplace=True)

3. DF.drop([DF.columns[[0,1, 3]]], axis=1,inplace=True)   # Note: zero indexed

importpandas as pd

path= r'C:\Users\dhw\Desktop\work\term paper\Home work_10\TREE.csv'

defopendata(path):

df=pd.read_csv(path)

df_delete= df.drop('类别',1)#删除类别这一列

list_label =df.columns.values

list_data=df_delete.values.tolist()print(list_data)returnlist_label,list_data

opendata(path)

ps:凡是会对原数组作出修改并返回一个新数组的，往往都有一个 inplace可选参数。如果手动设定为True(默认为False)，那么原数组直接就被替换。也就是说，采用inplace=True之后，原数组名(如2和3情况所示)对应的内存值直接改变；而采用inplace=False之后，原数组名对应的内存值并不改变，需要将新的结果赋给一个新的数组或者覆盖原数组的内存位置(如1情况所示)。