تحويل CSV إلى DataFrame في Pandas في بايثون

يعد العمل مع ملفات CSV مهمة يومية لمحللي البيانات والمطورين. إذا كنت بحاجة إلى تحويل CSV إلى Pandas DataFrame، فإن Pandas يوفر وظيفة مباشرة readcsv()، ولكن في بعض الأحيان تحتاج إلى المزيد من القوة. هنا يأتي دور Aspose.Cells for Python. مع Aspose.Cells، يمكنك استيراد CSV إلى Pandas مع ضمان التحكم الأفضل، والموثوقية، والتوافق مع تنسيقات Excel. في هذا المنشور في المدونة، ستتعلم خطوة بخطوة كيفية تحويل CSV إلى Pandas، والتعامل مع ملفات Excel، وتصديرها إلى Pandas DataFrames.

بنهاية الأمر، ستعرف عدة طرق للانتقال من CSV إلى DataFrame Pandas بسرعة وكفاءة.

مكتبة بايثون لتحويل CSV إلى DataFrame من Pandas

أسبوز.سيلز لبايثون عبر .NET هي مكتبة قوية للعمل مع جداول البيانات. تتيح لك إنشاء وقراءة وتحرير وتحويل ملفات Excel و CSV برمجياً دون الحاجة إلى Microsoft Excel. عند التعامل مع تحويلات CSV إلى Pandas، تعمل Aspose.Cells كجسر موثوق بين ملفات CSV الخام وإطارات بيانات Pandas المنظمة.

المتطلبات الأساسية

قبل تشغيل الأمثلة، تأكد من أنك قمت بتثبيت ما يلي:

أسبوس.سيلز بايثون عبر .NET: تحميل من الإصدارات أو التثبيت باستخدام pip:

pip install aspose-cells-python

بانداس - التثبيت باستخدام pip:

pip install pandas

ستتيح لك هاتان المكتبتان تحميل ومعالجة ملفات CSV/Excel باستخدام Aspose.Cells ثم تحويلها إلى DataFrames في Pandas للتحليل.

Aspose.Cells for Python عبر .NET → لقراءة ومعالجة ملفات CSV/Excel.

باندا → لبناء وتحليل DataFrames.

تحويل CSV إلى DataFrame في Pandas: خطوة بخطوة

في هذا القسم، ستقوم بتمرير عملية تحويل ملف CSV إلى DataFrame باستخدام Pandas عن طريق Aspose.Cells for Python. تم تقسيم كل خطوة إلى مهام صغيرة. وهذا يجعل من السهل عليك المتابعة. ستبدأ بتحميل ملف CSV إلى مصنف. استخراج محتوياته وبناء DataFrame باستخدام Pandas.

الخطوة 1: تحميل ملف CSV إلى مصنف

دعنا نبدأ بتحميل ملف CSV في دفتر عمل Aspose.Cells.

استورد فئة Workbook.
قم بتحميل ملف CSV.
الوصول إلى ورقة العمل الأولى.

import aspose.cells as ac

# Load CSV file into Workbook
csv_wb = ac.Workbook("data.csv")

# Access the first worksheet (CSV loads as sheet)
csv_ws = csv_wb.worksheets[0]

الخطوة 2: استخراج البيانات من ورقة العمل

بمجرد تحميل الملف، قم باستخراج محتواه صفاً بصف. هذا يُعد البيانات للتحويل إلى DataFrame.

احصل على مجموعة الخلايا.
التكرار عبر الصفوف والأعمدة.
قم بتخزين القيم في قائمة من القوائم.

cells = csv_ws.cells

# Extract CSV data into Python list
data = []
for row_idx in range(cells.min_data_row, cells.max_data_row + 1):
    row_data = []
   for col_idx in range(cells.min_data_column, cells.max_data_column + 1):
        row_data.append(cells.get(row_idx, col_idx).value)
    data.append(row_data)

الخطوة 3: تحويل CSV إلى DataFrame من Pandas

الآن، قم بتحويل القائمة المستخرجة إلى إطار بيانات Pandas. توضح هذه الخطوة كيفية الانتقال من CSV إلى إطار بيانات Pandas مع رؤوس مناسبة.

استيراد باندا.
استخدم الصف الأول كرؤوس.
أنشئ إطار بيانات من الصفوف المتبقية.

import pandas as pd

# Convert to Pandas DataFrame
headers = data[0]   # First row as header
rows = data[1:]     # Remaining rows as data

df = pd.DataFrame(rows, columns=headers)

print(df.head())

لقد قمت الآن بنجاح بتحويل CSV إلى DataFrame باستخدام Aspose.Cells.

مع هذه الخطوات، قد رأيت كيفية تحويل ملف CSV إلى DataFrame في Pandas باستخدام Aspose.Cells. بعد ذلك، دعنا نستعرض كيفية التعامل مع ملفات Excel عن طريق حفظها أولاً كملفات CSV ثم تحميلها إلى Pandas.

تحويل Excel إلى DataFrame باستخدام Pandas عبر ملف CSV

أحيانًا تكون بياناتك بتنسيق Excel (.xlsx أو .xls) وتريد تحويل Excel إلى بيانات Pandas عبر CSV. يجعل Aspose.Cells هذا التحويل سهلًا.

اتبع الخطوات أدناه لتحويل Excel إلى DataFrames باستخدام Pandas من خلال ملف CSV:

قم بتحميل ملف Excel إلى كائن فئة Workbook.
حفظ ملف Excel كملف CSV.
إعادة تحميل ملف CSV الذي تم إنشاؤه حديثًا إلى مصنف.
قم بالوصول إلى ورقة العمل الأولى عن طريق فهرسها.
استخراج جميع قيم الخلايا إلى قائمة قوائم في بايثون.
استخدم الصف الأول كعناوين للأعمدة والبقية كصفوف بيانات.
قم بإنشاء إطار بيانات Pandas من البيانات المستخرجة.
Print the results.

يظهر المثال التالي في الكود كيفية تحويل Excel إلى DataFrame من pandas في Python:

import aspose.cells as ac
import pandas as pd

# تحميل ملف Excel
excel_wb = ac.Workbook("PandasTest.xlsx")

# احفظ Excel كـ CSV
excel_wb.save("converted.csv", ac.SaveFormat.CSV)

# إعادة تحميل CSV باستخدام Aspose.Cells
csv_wb = ac.Workbook("converted.csv")
csv_ws = csv_wb.worksheets[0]

# Extract data from CSV
cells = csv_ws.cells
data = []
for row_idx in range(cells.min_data_row, cells.max_data_row + 1):
    row_data = []
   for col_idx in range(cells.min_data_column, cells.max_data_column + 1):
        row_data.append(cells.get(row_idx, col_idx).value)
    data.append(row_data)

# تحويل إلى إطار بيانات Pandas
headers = data[0]
rows = data[1:]
df = pd.DataFrame(rows, columns=headers)

# Show results
print(df.head())

تحويل إكسل إلى إطار بيانات باندا عبر CSV — ملف Excel عينة للتحويل إلى DataFrame باستخدام Pandas عبر CSV.

Output

   Product A  Product B Period
0         50        160     Q1
1        100         32     Q2
2        170         50     Q3
3        300         40     Q4

العمل مع ملفات CSV الكبيرة

بالنسبة لمجموعات البيانات الكبيرة جدًا، تتعامل Aspose.Cells مع الذاكرة بشكل أفضل من Pandas العادي. يمكنك حتى تفعيل تحسين الذاكرة. اتبع نفس الخطوات كما من قبل. التغيير الوحيد هو تحميل ملف CSV باستخدام LoadOptions وتعيين MEMORYPREFERENCE للتعامل مع الملفات الكبيرة بكفاءة.

مثال الكود التالي يوضح كيفية تحويل ملف CSV كبير إلى DataFrame باستخدام pandas في Python:

import aspose.cells as ac
import pandas as pd

# قم بتحميل ملف CSV الكبير باستخدام Aspose.Cells
options = ac.LoadOptions()
options.memory_setting = ac.MemorySetting.MEMORY_PREFERENCE
csv_wb = ac.Workbook("large_file.csv", options)
csv_ws = workbook.worksheets[0]

# Extract data from CSV
cells = csv_ws.cells
data = []
for row_idx in range(cells.min_data_row, cells.max_data_row + 1):
    row_data = []
   for col_idx in range(cells.min_data_column, cells.max_data_column + 1):
        row_data.append(cells.get(row_idx, col_idx).value)
    data.append(row_data)

# تحويل إلى DataFrame من Pandas
headers = data[0]
rows = data[1:]
df = pd.DataFrame(rows, columns=headers)

# Show results
print(df.head())

هذا يجعل استيراد CSV في Pandas أكثر كفاءة في خطوط بيانات.

احصل على رخصة مجانية

جرّب Aspose.Cells for Python اليوم لتعزيز تحويلات CSV إلى Pandas DataFrame. تحميل النسخة التجريبية المجانية أو احصل على ترخيص مؤقت لاستكشاف جميع الإمكانيات دون قيود.

CSV إلى DF: موارد مجانية إضافية

يمكنك استخدام الموارد أدناه لاستكشاف المزيد حول استيراد CSV، وتحويل DataFrame، وميزات معالجة Excel وCSV الأخرى المتاحة في Aspose.Cells for Python.

استنتاج

في هذا الدليل، تعلمت كيفية تحميل ملفات CSV مباشرة في Aspose.Cells وتحويلها إلى DataFrames من Pandas، بالإضافة إلى كيفية حفظ ملفات Excel كـ CSV قبل استيرادها. مع Pandas، يمنحك Aspose.Cells مزيدًا من التحكم والأداء والمرونة، مما يجعل مهام معالجة البيانات الخاصة بك أكثر موثوقية وقابلية للتوسع.

إذا كان لديك أي أسئلة أو تحتاج إلى مساعدة، يرجى زيارة منتدانا free support forum.فريق الدعم لدينا متاح لمساعدتك.

مكتبة بايثون لتحويل CSV إلى DataFrame من Pandas#

المتطلبات الأساسية#

تحويل CSV إلى DataFrame في Pandas: خطوة بخطوة#

الخطوة 1: تحميل ملف CSV إلى مصنف#

الخطوة 2: استخراج البيانات من ورقة العمل#

الخطوة 3: تحويل CSV إلى DataFrame من Pandas#

تحويل Excel إلى DataFrame باستخدام Pandas عبر ملف CSV#

العمل مع ملفات CSV الكبيرة#

احصل على رخصة مجانية#

CSV إلى DF: موارد مجانية إضافية#

استنتاج#

شاهد أيضًا#