Importare file excel, csv e html con Python e Pandas

Vediamo adesso come è possibile importare un dataset per successivamente farci delle analisi o creare modelli predittivi grazie alla libreria di Python : Pandas

Prima di iniziare in questo articolo diamo per scontato che i dati siano già ordinati. Cosa significa? Che i dati siano strutturati, infatti utilizzeremo pandas per importare dati da fogli Excel, Csv & HTML

Per installare le librerie necessarie per la rappresentazione apriamo il terminale e digitiamo il seguenti comandi:

pip install pandas
 pip3 install pandas #per python3
 #se usi il nostro editor è già installato

e premiamo invio.

Creiamo un nuovo file Python e importiamo la libreria scaricata.

import pandas as pd

Per importare file Excel esiste un apposita funzione " read_excel() ".

Vediamo qualche esempio

#stampare i dati
 pd.read_excel("il_tuo_file.xls", sheet_name="Sheet1")
 
 #salvare i dati dentro una variabile
 xlsx = pd.read_excel("il_tuo_file.xls", sheet_name="Sheet1")
 
 #filtrare e salvare solo alcune colonne dentro una variabile
 #in questo caso verranno selezionate la colonna A e le colonne dalla C alla E
 xlsx = pd.read_excel("il_tuo_file.xls",'Sheet1', usecols='A,C:E')
 
 #salvare più fogli
 with pd.ExcelFile("il_tuo_file.xls") as xls:
  xlsx1 = pd.read_excel(xls, 'Sheet1')
  xlsx2 = pd.read_excel(xls, 'Sheet2')

Ed ecco il nostro DataFrame pronto da analizzare in pochi click. Questa è la magia di Python e delle sue librerie. Grandi risultati con qualche linea di codice.

Per importare file Csv o di testo esiste un apposita funzione " read_csv() ".

Vediamo qualche esempio

#stampare i dati
 pd.read_csv("il_tuo_file.csv")
 
 #salvare i dati dentro una variabile
 dataset = pd.read_csv("il_tuo_file.csv")
 
 #filtrare e salvare i dati dentro una variabile
 #in questo caso verranno scartate tutte le righe contenti valori numerici dispari
 dataset = pd.read_csv("il_tuo_file.csv",skiprows=lambda x:x%2!=0)
 
 #saltare valori vuoti e salvare i dati dentro una variabile
 dataset = pd.read_csv("il_tuo_file.csv",skip_blank_lines=True)

Ed ecco il nostro DataFrame pronto da analizzare in pochi click. Questa è la magia di Python e delle sue librerie. Grandi risultati con qualche linea di codice.

Per importare file html esiste un apposita funzione " read_html() ".

Il terzo metodo che descriverò in questo articolo è come prendere le tabelle che troviamo sul web, come su wikipedia. Spesso questa funzione è molto comoda, sulla rete si trovano informazioni davvero utili.

Questo link è la pagina di wikipedia sui presidenti degli stati uniti e appena la apriamo ci accorgiamo che è composta da diverse tabelle molto ben fatte.

Vediamo qualche esempio

url = "https://en.wikipedia.org/wiki/List_of_Presidents_of_the_United_States"
 
 #stampare i dati
 pd.read_html(url)
 
 #salvare i dati dentro una variabile
 tabella = pd.read_html(url)
 
 #filtrare e salvare i dati dentro una variabile
 #in questo caso verranno scartate tutte le righe che non corrispondono al match
 match = 'Barack Obama'
 tabella = pd.read_html(url, match=match)
 
 #saltare valori e salvare i dati dentro una variabile
 tabella = pd.read_html(url, skiprows=range(2))

Ed ecco il nostro DataFrame pronto da analizzare in pochi click. Questa è la magia di Python e delle sue librerie. Grandi risultati con qualche linea di codice.

Vuoi mettere in pratica quello che hai letto ?

Oppure segui i tutorial correlati :

Grazie mille per la lettura, condividi l'articolo per sostenerci