文章目录
- 导包
- 读取csv文件——
pd.read_csv('path')
- 合并csv文件——
pd.merge(文件1,文件2,on = [共同的列名])
- 写入csv文件——
dataframe.to_csv(path)
导包
import pandas as pd
import os
读取csv文件—— pd.read_csv('path')
1、读取第一个csv文件
features = pd.read_csv('C:/Users/24061/Desktop/MERcode/1-danz1ka19___pradeepKumar/SourceCode/Emotion_features_revised.csv', index_col=0)
features
2、读取第二个csv文件
labels = pd.read_csv('C:/Users/24061/Desktop/MERcode/EMOPIA_cls-main/EMOPIA_cls-main/EMOPIA_1.0/EMOPIA_1.0/metadata_by_song.csv', index_col=0)
labels
合并csv文件—— pd.merge(文件1,文件2,on = [共同的列名])
从上述读取的两个文件中,可以看到两个文件中有不同的内容,相同点是:二者都有 songID
这个列。因此,可以根据 songID
为合并条件进行合并。
datasets = pd.merge(features, labels, on=["songID"])
datasets
合并完成!
注意:
- 合并之后,文件1中的内容在前,文件2中的内容在后。因此,可以根据自己的需求,决定哪个文件应该放在文件1的位置,哪个文件应该放在文件2的位置。
- 因为两个csv文件是根据相同的列元素建立连接的,因此,若文件1中的
songID
有386个元素,文件2中的songID
有318个元素,并且这318个元素在文件1中都可以找到对应的时,则合并之后songID
列只有318个元素。即:作为连接条件的那一列只会保留二者公共的元素
。
写入csv文件—— dataframe.to_csv(path)
注意 dataframe.to_csv(path)
里的dataframe只是一个指代,代之想要存进csv文件中的dataframe。在本例中指:合并生成的datasets。因此代码如下:
将合并之后的Dataframe保存进csv文件:
datasets.to_csv('C:/Users/24061/Desktop/MERcode//1-danz1ka19___pradeepKumar_/SourceCode/Emotion_features_revised_final.csv')
Original: https://blog.csdn.net/qq_44250700/article/details/125238838
Author: Begonia_cat
Title: 使用pandas进行读取、合并、写入csv文件
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/730366/
转载文章受原作者版权保护。转载请注明原作者出处!