Importa un file a blocchi

Quando lavori con file di grandi dimensioni, può essere più semplice caricare ed elaborare i dati a pezzi. Mettiamo in pratica questo flusso di lavoro sui dati fiscali del Vermont.

Le prime 500 righe sono state caricate come vt_data_first500. Ora otterrai le 500 righe successive. Per farlo, userai diversi argomenti keyword: nrows e skiprows per recuperare i record corretti, header per indicare a pandas che i dati non hanno nomi di colonna, e names per fornire i nomi di colonna mancanti. Ti servirà anche la funzione list() per ricavare i nomi delle colonne da vt_data_first500 da riutilizzare.

pandas è stato importato come pd.

Questo esercizio fa parte del corso

Acquisizione dati semplificata con pandas

Visualizza il corso

Istruzioni dell'esercizio

Usa nrows e skiprows per creare un dataframe, vt_data_next500, con le successive 500 righe.
Imposta l’argomento header in modo che pandas sappia che non c’è una riga di intestazione.
Assegna i nomi delle colonne in vt_data_next500 fornendo a names l’elenco delle colonne di vt_data_first500.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# 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())

Modifica ed esegui il codice