Tôi có hai tệp Python trong cùng một thư mục: main.py và ARYSION.PY.
Trong tập tin phân tích.
Tôi đã nhập lớp vào Main.py thành công bằng cách viết from analysis import Ana, nhưng nếu tôi cố gắng làm điều gì đó với DF1 thì DF1 không được xác định.
Làm cách nào để xác định DF1 trong tệp Main.py? Tôi khá mới với Python vì vậy bất kỳ sự giúp đỡ nào cũng sẽ được đánh giá cao, cảm ơn bạn.
P.S. Tôi quên thêm, tôi đang cố gắng sử dụng DF1 từ hàm ANA trong tệp phân tích.py trong chức năng tải lên trong tệp chính.py
Làm cách nào để chuyển đổi dữ liệu từ gấu trúc này sang gấu trúc khác?
import pandas as pd df = pd.read_csv[r'Path where the CSV file is stored\File name.csv'] print[df]
Để chuyển đổi các loại dữ liệu trong gấu trúc, có ba tùy chọn cơ bản: sử dụng astype [] để buộc một dtype thích hợp. Tạo một chức năng tùy chỉnh để chuyển đổi dữ liệu. Sử dụng các hàm gấu trúc như to_numeric [] hoặc to_dateTime []
Dưới đây là một mẫu đơn giản mà bạn có thể sử dụng để nhập tệp CSV vào Python bằng Pandas:
Tiếp theo, bạn sẽ thấy một ví dụ với các bước cần thiết để nhập tệp của bạn.products_sold‘]:
| Nhập dữ liệu vào Python | Vì vậy, hãy để bắt đầu với một ví dụ đơn giản, trong đó bạn có dữ liệu sau được lưu trữ trong tệp CSV [trong đó tên tệp là ‘Sản phẩm_Sold‘]: | sản phẩm |
| nhãn hiệu | giá bán | 1200 |
| Máy tính | Một | 350 |
| Máy tính bảng | B | 120 |
| Máy in | C | 400 |
| Màn hình | D | 80 |
Bàn phím
E
Bước 1: Chụp đường dẫn tệp
Đầu tiên, chụp toàn bộ đường dẫn nơi tệp CSV của bạn được lưu trữ.products_sold.csv
Bạn cần phải sửa đổi mã Python bên dưới để phản ánh đường dẫn nơi tệp CSV được lưu trữ trên máy tính của bạn. & NBSP; Don Tiết quên bao gồm:
- Tên tệp [như được tô sáng màu xanh lá cây]. Bạn có thể chọn một tên tệp khác, nhưng đảm bảo rằng tên tệp được chỉ định trong mã khớp với tên tệp thực tế
- Tiện ích mở rộng tệp [như được tô sáng màu xanh]. Tiện ích mở rộng tệp phải là ‘.csv, khi nhập các tệp CSV
Bước 2: Áp dụng mã Python
Nhập/sao chép mã sau vào Python, trong khi thực hiện các thay đổi cần thiết cho đường dẫn của bạn.
Đây là mã cho ví dụ của chúng tôi:
import pandas as pd df = pd.read_csv[r'C:\Users\Ron\Desktop\products_sold.csv'] print[df]
Lưu ý rằng bạn nên đặt ‘r‘ trước chuỗi đường dẫn để giải quyết bất kỳ ký tự đặc biệt nào trong đường dẫn, chẳng hạn như ‘\. Ngoài ra, don không quên đặt tên tệp ở cuối đường dẫn +. that you should place ‘r‘ before the path string to address any special characters in the path, such as ‘\’. Additionally, don’t forget to put the file name at the end of the path + “.csv”
Bước 3: Chạy mã
Cuối cùng, chạy mã Python và bạn sẽ nhận được:
product brand price
0 Computer A 1200
1 Tablet B 350
2 Printer C 120
3 Monitor D 400
4 Keyboard E 80
Bước tùy chọn: Chọn tập hợp con của các cột
Bây giờ điều gì sẽ xảy ra nếu bạn muốn chọn một tập hợp con của các cột từ tệp CSV?
Ví dụ: điều gì sẽ xảy ra nếu bạn chỉ muốn chọn Sản phẩm & NBSP; và các cột Giá. Nếu trường hợp đó, bạn có thể chỉ định các tên cột đó được ghi dưới đây:
import pandas as pd data = pd.read_csv[r'C:\Users\Ron\Desktop\products_sold.csv'] df = pd.DataFrame[data, columns=['product', 'price']] print[df]
Bạn cần phải đảm bảo rằng các tên cột được chỉ định trong mã khớp chính xác với các tên cột trong tệp CSV. Nếu không, bạn sẽ nhận được các giá trị NAN.
Khi bạn đã sẵn sàng, hãy chạy mã [sau khi điều chỉnh đường dẫn tệp] và bạn sẽ chỉ nhận được các cột sản phẩm và giá:
product price
0 Computer 1200
1 Tablet 350
2 Printer 120
3 Monitor 400
4 Keyboard 80
Tài nguyên bổ sung
Bạn chỉ thấy cách nhập tệp CSV vào Python bằng Pandas. Đôi khi, bạn có thể cần nhập các tệp Excel vào Python. Nếu trường hợp đó, bạn có thể kiểm tra hướng dẫn sau đây giải thích cách nhập tệp Excel vào Python.
Khi bạn nhập tệp của mình vào Python, bạn có thể bắt đầu tính toán một số số liệu thống kê bằng gấu trúc. Ngoài ra, bạn có thể dễ dàng & nbsp; xuất bản dữ liệu gấu trúc thành CSV.
Để tìm hiểu thêm về việc sử dụng gấu trúc để nhập tệp CSV, vui lòng truy cập tài liệu & NBSP; Pandas.
Xem thảo luận
Cải thiện bài viết
Lưu bài viết
Xem thảo luận
Cải thiện bài viết
Lưu bài viết
Đọc
Bàn luận
Tuyên bố nhập khẩu
Chúng tôi có thể sử dụng bất kỳ tệp nguồn Python nào làm mô -đun bằng cách thực thi câu lệnh nhập trong một số tệp nguồn Python khác. Khi trình thông dịch gặp một câu lệnh nhập, nó sẽ nhập mô -đun nếu mô -đun có mặt trong đường dẫn tìm kiếm. Đường dẫn tìm kiếm là danh sách các thư mục mà thông dịch viên tìm kiếm để nhập mô -đun.
Tuyên bố từ nhập khẩu
Python từ câu lệnh cho phép bạn nhập các thuộc tính cụ thể từ một mô -đun. & NBSP;
Lưu ý: Để biết thêm thông tin, hãy tham khảo các mô -đun PythonFor more information, refer Python Modules
Các cách tiếp cận khác nhau để nhập các biến từ tệp khácapproaches to import variables from other file
- Nhập và sau đó sử dụng. để truy cập biến
- từ nhập và sử dụng các biến
- từ nhập * và sau đó sử dụng các biến trực tiếp.
Example:
Giả sử chúng ta có một tệp có tên là hoán đổi. Chúng tôi phải nhập biến X và Y từ tệp này trong một tệp khác có tên là Cal Calval.py. & NBSP;
Python3
x =
import pandas as pd df = pd.read_csv[r'C:\Users\Ron\Desktop\products_sold.csv'] print[df]0
import pandas as pd df = pd.read_csv[r'C:\Users\Ron\Desktop\products_sold.csv'] print[df]1
= import pandas as pd df = pd.read_csv[r'C:\Users\Ron\Desktop\products_sold.csv'] print[df]3
import pandas as pd df = pd.read_csv[r'C:\Users\Ron\Desktop\products_sold.csv'] print[df]4
import pandas as pd df = pd.read_csv[r'C:\Users\Ron\Desktop\products_sold.csv'] print[df]5
import pandas as pd df = pd.read_csv[r'C:\Users\Ron\Desktop\products_sold.csv'] print[df]6
import pandas as pd df = pd.read_csv[r'C:\Users\Ron\Desktop\products_sold.csv'] print[df]7
= import pandas as pd df = pd.read_csv[r'C:\Users\Ron\Desktop\products_sold.csv'] print[df]9
import pandas as pd df = pd.read_csv[r'C:\Users\Ron\Desktop\products_sold.csv'] print[df]6
product brand price
0 Computer A 1200
1 Tablet B 350
2 Printer C 120
3 Monitor D 400
4 Keyboard E 80
product brand price
0 Computer A 1200
1 Tablet B 350
2 Printer C 120
3 Monitor D 400
4 Keyboard E 80
Bây giờ, hãy tạo tệp Python thứ hai để gọi biến từ mã trên:
Python3
product brand price
0 Computer A 1200
1 Tablet B 350
2 Printer C 120
3 Monitor D 400
4 Keyboard E 80
product brand price
0 Computer A 1200
1 Tablet B 350
2 Printer C 120
3 Monitor D 400
4 Keyboard E 80
product brand price
0 Computer A 1200
1 Tablet B 350
2 Printer C 120
3 Monitor D 400
4 Keyboard E 80
= product brand price
0 Computer A 1200
1 Tablet B 350
2 Printer C 120
3 Monitor D 400
4 Keyboard E 80
product brand price
0 Computer A 1200
1 Tablet B 350
2 Printer C 120
3 Monitor D 400
4 Keyboard E 80
= import pandas as pd data = pd.read_csv[r'C:\Users\Ron\Desktop\products_sold.csv'] df = pd.DataFrame[data, columns=['product', 'price']] print[df]0
import pandas as pd data = pd.read_csv[r'C:\Users\Ron\Desktop\products_sold.csv'] df = pd.DataFrame[data, columns=['product', 'price']] print[df]1
import pandas as pd data = pd.read_csv[r'C:\Users\Ron\Desktop\products_sold.csv'] df = pd.DataFrame[data, columns=['product', 'price']] print[df]2
import pandas as pd data = pd.read_csv[r'C:\Users\Ron\Desktop\products_sold.csv'] df = pd.DataFrame[data, columns=['product', 'price']] print[df]3
import pandas as pd data = pd.read_csv[r'C:\Users\Ron\Desktop\products_sold.csv'] df = pd.DataFrame[data, columns=['product', 'price']] print[df]4
import pandas as pd data = pd.read_csv[r'C:\Users\Ron\Desktop\products_sold.csv'] df = pd.DataFrame[data, columns=['product', 'price']] print[df]5
import pandas as pd data = pd.read_csv[r'C:\Users\Ron\Desktop\products_sold.csv'] df = pd.DataFrame[data, columns=['product', 'price']] print[df]6
import pandas as pd data = pd.read_csv[r'C:\Users\Ron\Desktop\products_sold.csv'] df = pd.DataFrame[data, columns=['product', 'price']] print[df]7
= import pandas as pd data = pd.read_csv[r'C:\Users\Ron\Desktop\products_sold.csv'] df = pd.DataFrame[data, columns=['product', 'price']] print[df]9
import pandas as pd data = pd.read_csv[r'C:\Users\Ron\Desktop\products_sold.csv'] df = pd.DataFrame[data, columns=['product', 'price']] print[df]1
import pandas as pd data = pd.read_csv[r'C:\Users\Ron\Desktop\products_sold.csv'] df = pd.DataFrame[data, columns=['product', 'price']] print[df]2
import pandas as pd data = pd.read_csv[r'C:\Users\Ron\Desktop\products_sold.csv'] df = pd.DataFrame[data, columns=['product', 'price']] print[df]3
product price
0 Computer 1200
1 Tablet 350
2 Printer 120
3 Monitor 400
4 Keyboard 80
import pandas as pd data = pd.read_csv[r'C:\Users\Ron\Desktop\products_sold.csv'] df = pd.DataFrame[data, columns=['product', 'price']] print[df]5
product price
0 Computer 1200
1 Tablet 350
2 Printer 120
3 Monitor 400
4 Keyboard 80
Output:
x value: 23 y value: 30 x value: 30 y value: 23