pandas से CSV पढ़ना
CSV files exports और datasets के आदान-प्रदान में व्यापक रूप से उपयोग होती हैं।
pandas read_csv का उपयोग कब होता है?
CSV spreadsheets, business systems, analytics tools, APIs और databases के बीच data ले जाने का सामान्य format है। pandas.read_csv() इसे DataFrame में load करता है ताकि data साफ, filter और analyze किया जा सके।
सामान्य उपयोग
- Excel, Google Sheets या CRM export का विश्लेषण करें।
- Data science और machine learning के datasets load करें।
- Import से पहले missing values, गलत types और duplicates ठीक करें।
सुझाव: Production data के लिए dtype, parse_dates, usecols और na_values स्पष्ट रूप से तय करें।
बुनियादी उदाहरण
main.py
import pandas as pd
from io import StringIO
csv_text = "name,score\nAda,95\nLin,88\nSam,91"
students = pd.read_csv(StringIO(csv_text))
print(students)अपेक्षित आउटपुट
name score
0 Ada 95
1 Lin 88
2 Sam 91उन्नत उदाहरण
वास्तविक CSV files अक्सर बड़ी और अपूर्ण होती हैं। यह उदाहरण जरूरी columns चुनता है, dates parse करता है, data types नियंत्रित करता है और missing values के कई formats पहचानता है।
advanced_csv.py
import pandas as pd
sales = pd.read_csv(
"sales.csv",
usecols=["order_date", "product", "quantity", "revenue"],
parse_dates=["order_date"],
dtype={"product": "string", "quantity": "Int64"},
na_values=["", "N/A", "unknown"],
)
sales = sales.dropna(subset=["order_date", "product"])
monthly_revenue = sales.groupby(
sales["order_date"].dt.to_period("M")
)["revenue"].sum()
print(monthly_revenue)यह कैसे काम करता है
read_csv header और types पहचानता है; dtype, parse_dates और na_values import को स्पष्ट बनाते हैं।
मान बदलें और Python इंस्टॉल किए बिना CodeUtility ऑनलाइन Python कंपाइलर में प्रोग्राम चलाएँ।
अभ्यास के कार्य
बड़े dataset पर जाने से पहले input बदलें और edge cases की जाँच करें।
- Rows, columns और missing values जोड़ें।
- Filtering, sorting और groupby को साथ प्रयोग करें।
- वास्तविक file पढ़ें और dtype जाँचें।