Načítání souboru po částech

Při práci s velkými soubory je často jednodušší načítat a zpracovávat data postupně po částech. Procvičíme si tento přístup na datech z daňových přiznání státu Vermont.

Prvních 500 řádků už je načtených jako vt_data_first500. Teď načteš dalších 500 řádků. K tomu využiješ několik pojmenovaných argumentů: nrows a skiprows pro výběr správných záznamů, header, kterým pandas sdělíš, že data nemají názvy sloupců, a names pro jejich doplnění. Názvy sloupců získáš z vt_data_first500 pomocí funkce list().

pandas je naimportován jako pd.

Toto cvičení je součástí kurzu

Streamlined Data Ingestion with pandas

Zobrazit kurz

Pokyny k cvičení

Pomocí nrows a skiprows vytvoř dataframe vt_data_next500 obsahující dalších 500 řádků.
Nastav argument header tak, aby pandas věděl, že data neobsahují řádek se záhlavím.
Pojmenuj sloupce v vt_data_next500 tak, že argumentu names předáš seznam sloupců z vt_data_first500.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Create dataframe of next 500 rows with labeled columns
vt_data_next500 = pd.read_csv("vt_tax_data_2016.csv", 
                       		  ____,
                       		  ____,
                       		  ____,
                       		  ____)

# View the Vermont dataframes to confirm they're different
print(vt_data_first500.head())
print(vt_data_next500.head())

Upravit a spustit kód