處理 CSV 文件是數(shù)據(jù)分析師和開發(fā)人員的日常工作。如果您需要將 CSV 轉(zhuǎn)換為 Pandas DataFrame，Pandas 提供了直接read_csv()函數(shù)，但有時(shí)您需要更強(qiáng)大的功能。這時(shí)，Aspose.Cells for Python 就派上用場(chǎng)了。使用 Aspose.Cells，您可以在 Pandas 中導(dǎo)入 CSV，同時(shí)確保更好的控制、可靠性以及與 Excel 格式的兼容性。在本篇教程中，您將逐步學(xué)習(xí)如何將 CSV 轉(zhuǎn)換為 Pandas、處理 Excel 文件以及將其導(dǎo)出到 Pandas DataFrame。

Aspose.Cells官方試用版免費(fèi)下載

加入Aspose技術(shù)交流QQ群（1041253375），與更多小伙伴一起探討提升開發(fā)技能。

將 CSV 轉(zhuǎn)換為 Pandas DataFrame 的 Python 庫

Aspose.Cells for Python via .NET是一個(gè)功能強(qiáng)大的電子表格處理庫。它允許您以編程方式創(chuàng)建、讀取、編輯和轉(zhuǎn)換 Excel 和 CSV 文件，而無需 Microsoft Excel。在處理 CSV 到 Pandas 的轉(zhuǎn)換時(shí)，Aspose.Cells 可以充當(dāng)原始 CSV 文件和結(jié)構(gòu)化 Pandas DataFrame 之間的可靠橋梁。

先決條件

在運(yùn)行示例之前，請(qǐng)確保已安裝以下內(nèi)容：

• 通過 .NET 的 Python Aspose.Cells：從版本下載或使用 pip 安裝：

pip install aspose-cells-python

• Pandas – 使用 pip 安裝：

pip install pandas

這兩個(gè)庫將允許您使用 Aspose.Cells 加載和處理 CSV/Excel 文件，然后將它們轉(zhuǎn)換為 Pandas DataFrames 進(jìn)行分析。

通過 .NET 為 Python 使用 Aspose.Cells → 用于讀取和處理 CSV/Excel 文件。

Pandas →用于構(gòu)建和分析 DataFrames。

將 CSV 轉(zhuǎn)換為 Pandas DataFrame：分步說明

在本節(jié)中，您將逐步了解使用 Aspose.Cells for Python 將 CSV 文件轉(zhuǎn)換為 Pandas DataFrame 的完整過程。每個(gè)步驟都分解為多個(gè)小任務(wù)，方便您輕松掌握。首先，您將把 CSV 文件加載到工作簿中。提取其內(nèi)容并構(gòu)建 Pandas DataFrame。

步驟 1：將 CSV 加載到工作簿

讓我們首先將 CSV 文件加載到 Aspose.Cells 工作簿中。

1. 導(dǎo)入 Workbook 類。
2. 加載 CSV 文件。
3. 訪問第一個(gè)工作表。

import aspose.cells as ac

# Load CSV file into Workbook
csv_wb = ac.Workbook("data.csv")

# Access the first worksheet (CSV loads as sheet)
csv_ws = csv_wb.worksheets[0]

步驟 2：從工作表中提取數(shù)據(jù)

文件加載完成后，逐行提取其內(nèi)容。這將為數(shù)據(jù)轉(zhuǎn)換為 DataFrame 做好準(zhǔn)備。

1. 獲取細(xì)胞集合。
2. 循環(huán)遍歷行和列。
3. 將值存儲(chǔ)在列表列表中。

cells = csv_ws.cells

# Extract CSV data into Python list
data = []
for row_idx in range(cells.min_data_row, cells.max_data_row + 1):
    row_data = []
    for col_idx in range(cells.min_data_column, cells.max_data_column + 1):
        row_data.append(cells.get(row_idx, col_idx).value)
    data.append(row_data)

步驟3：將CSV轉(zhuǎn)換為Pandas DataFrame

現(xiàn)在，將提取的列表轉(zhuǎn)換為 Pandas DataFrame。此步驟展示如何將 CSV 轉(zhuǎn)換為帶有適當(dāng)標(biāo)頭的 Pandas DataFrame。

1. 導(dǎo)入 Pandas。
2. 使用第一行作為標(biāo)題。
3. 從剩余的行創(chuàng)建 DataFrame。

import pandas as pd

# Convert to Pandas DataFrame
headers = data[0]   # First row as header
rows = data[1:]     # Remaining rows as data

df = pd.DataFrame(rows, columns=headers)

print(df.head())

現(xiàn)在，您已成功使用 Aspose.Cells 將 CSV 轉(zhuǎn)換為 DataFrame Pandas。

通過這些步驟，您已經(jīng)了解了如何使用 Aspose.Cells 將 CSV 文件轉(zhuǎn)換為 Pandas DataFrame。接下來，讓我們探索如何處理 Excel 文件：首先將其保存為 CSV，然后將其加載到 Pandas 中。

通過 CSV 文件將 Excel 轉(zhuǎn)換為 Pandas DataFrame

有時(shí)您的數(shù)據(jù)是 Excel 格式（.xlsx 或 .xls），并且您想通過 CSV 將 Excel 轉(zhuǎn)換為 Pandas DataFrame。Aspose.Cells 可以實(shí)現(xiàn)無縫銜接。

按照以下步驟通過 CSV 文件將 Excel 轉(zhuǎn)換為 Pandas DataFrames：

1. 將 Excel 文件加載到Workbook類對(duì)象中。
2. 將 Excel 文件保存為 CSV。
3. 將新創(chuàng)建的 CSV 文件重新加載到工作簿中。
4. 通過索引訪問第一個(gè)工作表。
5. 將所有單元格值提取到 Python 列表列表中。
6. 使用第一行作為列標(biāo)題，其余作為數(shù)據(jù)行。
7. 從提取的數(shù)據(jù)中創(chuàng)建一個(gè) Pandas DataFrame。
8. 打印結(jié)果。

以下代碼示例展示了如何在 Python 中將 Excel 轉(zhuǎn)換為 pandas DataFrame：

import aspose.cells as ac
import pandas as pd

# Load an Excel file
excel_wb = ac.Workbook("PandasTest.xlsx")

# Save Excel as CSV
excel_wb.save("converted.csv", ac.SaveFormat.CSV)

# Reload CSV with Aspose.Cells
csv_wb = ac.Workbook("converted.csv")
csv_ws = csv_wb.worksheets[0]

# Extract data from CSV
cells = csv_ws.cells
data = []
for row_idx in range(cells.min_data_row, cells.max_data_row + 1):
    row_data = []
    for col_idx in range(cells.min_data_column, cells.max_data_column + 1):
        row_data.append(cells.get(row_idx, col_idx).value)
    data.append(row_data)

# Convert to Pandas DataFrame
headers = data[0]
rows = data[1:]
df = pd.DataFrame(rows, columns=headers)

# Show results
print(df.head())

   Product A  Product B Period
0         50        160     Q1
1        100         32     Q2
2        170         50     Q3
3        300         40     Q4

處理大型 CSV 文件

對(duì)于非常大的數(shù)據(jù)集，Aspose.Cells 比普通的 Pandas 更能處理內(nèi)存。您甚至可以啟用內(nèi)存優(yōu)化。步驟與之前相同。唯一的變化是加載 CSV 文件LoadOptions并設(shè)置MEMORY_PREFERENCE為高效處理大文件。

以下代碼示例展示了如何在 Python 中將大型 CSV 文件轉(zhuǎn)換為 pandas DataFrame：

import aspose.cells as ac
import pandas as pd

# Load the large CSV file with Aspose.Cells
options = ac.LoadOptions()
options.memory_setting = ac.MemorySetting.MEMORY_PREFERENCE
csv_wb = ac.Workbook("large_file.csv", options)
csv_ws = workbook.worksheets[0]

# Extract data from CSV
cells = csv_ws.cells
data = []
for row_idx in range(cells.min_data_row, cells.max_data_row + 1):
    row_data = []
    for col_idx in range(cells.min_data_column, cells.max_data_column + 1):
        row_data.append(cells.get(row_idx, col_idx).value)
    data.append(row_data)

# Convert to Pandas DataFrame
headers = data[0]
rows = data[1:]
df = pd.DataFrame(rows, columns=headers)

# Show results
print(df.head())

結(jié)論

在本指南中，您學(xué)習(xí)了如何將 CSV 文件直接加載到 Aspose.Cells 中并將其轉(zhuǎn)換為 Pandas DataFrames，以及如何在導(dǎo)入 Excel 文件之前將其保存為 CSV。Aspose.Cells 與 Pandas 結(jié)合使用，可為您提供更強(qiáng)大的控制力、性能和靈活性，使您的數(shù)據(jù)處理任務(wù)更加可靠且可擴(kuò)展。

————————————————————————————————————————

關(guān)于慧都科技：

慧都科技是專注軟件工程、智能制造、石油工程三大行業(yè)的數(shù)字化解決方案服務(wù)商。在軟件工程領(lǐng)域，我們提供開發(fā)控件、研發(fā)管理、代碼開發(fā)、部署運(yùn)維等軟件開發(fā)全鏈路所需的產(chǎn)品，提供正版授權(quán)采購、技術(shù)選型、個(gè)性化維保等服務(wù)，幫助客戶實(shí)現(xiàn)技術(shù)合規(guī)、降本增效與風(fēng)險(xiǎn)可控。慧都科技Aspose在中國(guó)的官方授權(quán)代理商，提供Aspose系列產(chǎn)品免費(fèi)試用，咨詢，正版銷售等于一體的專業(yè)化服務(wù)。Aspose是文檔處理領(lǐng)域的優(yōu)秀產(chǎn)品，幫助企業(yè)高效構(gòu)建文檔處理的應(yīng)用程序。

下載|體驗(yàn)更多Aspose產(chǎn)品，請(qǐng)咨詢，或撥打產(chǎn)品熱線：023-68661681