รัน pandas ออนไลน์

อ่าน CSV ด้วย pandas

CSV ใช้ทั่วไปสำหรับ export และแลกเปลี่ยน dataset

pandas read_csv ใช้เมื่อใด?

ไฟล์ CSV ใช้แลกเปลี่ยนข้อมูลระหว่างสเปรดชีต ระบบธุรกิจ เครื่องมือวิเคราะห์ API และฐานข้อมูล pandas.read_csv() โหลดข้อมูลเป็น DataFrame เพื่อทำความสะอาด กรอง และวิเคราะห์

กรณีใช้งานทั่วไป

  • วิเคราะห์ข้อมูลที่ส่งออกจาก Excel, Google Sheets หรือ CRM
  • โหลด dataset สำหรับ data science และ machine learning
  • แก้ไขข้อมูลที่หายไป ชนิดข้อมูลผิด หรือข้อมูลซ้ำก่อนนำเข้า
เคล็ดลับ: สำหรับข้อมูลจริงควรกำหนด dtype, parse_dates, usecols และ na_values เพื่อควบคุมการอ่านอย่างชัดเจน

ตัวอย่างพื้นฐาน

รันโค้ด →
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)

ผลลัพธ์ที่คาดหวัง

name  score
0  Ada     95
1  Lin     88
2  Sam     91

ตัวอย่างขั้นสูง

ไฟล์ CSV จริงมักมีขนาดใหญ่และข้อมูลไม่สมบูรณ์ ตัวอย่างนี้เลือกเฉพาะคอลัมน์ที่ต้องใช้ แปลงวันที่ กำหนดชนิดข้อมูล และตรวจจับรูปแบบข้อมูลที่หายไปหลายแบบ

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)

หลักการทำงาน

read_csv คาดเดา header และชนิดข้อมูล ส่วน dtype, parse_dates และ na_values ช่วยควบคุมการอ่าน

เปลี่ยนค่าและรันโปรแกรมด้วย คอมไพเลอร์ Python ออนไลน์ของ CodeUtility โดยไม่ต้องติดตั้ง Python

แบบฝึกหัด

ลองเปลี่ยน input และทดสอบกรณีขอบก่อนใช้ชุดข้อมูลที่ใหญ่ขึ้น

  1. เพิ่มแถว คอลัมน์ และค่าที่หายไป
  2. รวมการกรอง การเรียง และ groupby
  3. อ่านไฟล์จริงและตรวจสอบ dtype
รันใน Python IDE →