金喜正规买球

处理 CSV 文件是数据分析师和开发人员的日常工作。如果您需要将 CSV 转换为 Pandas DataFrame，Pandas 提供了直接read_csv()函数，但有时您需要更强大的功能。这时，Aspose.Cells for Python 就派上用场了。使用 Aspose.Cells，您可以在 Pandas 中导入 CSV，同时确保更好的控制、可靠性以及与 Excel 格式的兼容性。在本篇教程中，您将逐步学习如何将 CSV 转换为 Pandas、处理 Excel 文件以及将其导出到 Pandas DataFrame。

Aspose.Cells官方试用版免费下载

加入Aspose技术交流QQ群（1041253375），与更多小伙伴一起探讨提升开发技能。

将 CSV 转换为 Pandas DataFrame 的 Python 库

Aspose.Cells for Python via .NET是一个功能强大的电子表格处理库。它允许您以编程方式创建、读取、编辑和转换 Excel 和 CSV 文件，而无需 Microsoft Excel。在处理 CSV 到 Pandas 的转换时，Aspose.Cells 可以充当原始 CSV 文件和结构化 Pandas DataFrame 之间的可靠桥梁。

先决条件

在运行示例之前，请确保已安装以下内容：

• 通过 .NET 的 Python Aspose.Cells：从版本下载或使用 pip 安装：

pip install aspose-cells-python

• Pandas – 使用 pip 安装：

pip install pandas

这两个库将允许您使用 Aspose.Cells 加载和处理 CSV/Excel 文件，然后将它们转换为 Pandas DataFrames 进行分析。

通过 .NET 为 Python 使用 Aspose.Cells → 用于读取和处理 CSV/Excel 文件。

Pandas →用于构建和分析 DataFrames。

将 CSV 转换为 Pandas DataFrame：分步说明

在本节中，您将逐步了解使用 Aspose.Cells for Python 将 CSV 文件转换为 Pandas DataFrame 的完整过程。每个步骤都分解为多个小任务，方便您轻松掌握。首先，您将把 CSV 文件加载到工作簿中。提取其内容并构建 Pandas DataFrame。

步骤 1：将 CSV 加载到工作簿

让我们首先将 CSV 文件加载到 Aspose.Cells 工作簿中。

1. 导入 Workbook 类。
2. 加载 CSV 文件。
3. 访问第一个工作表。

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]

步骤 2：从工作表中提取数据

文件加载完成后，逐行提取其内容。这将为数据转换为 DataFrame 做好准备。

1. 获取细胞集合。
2. 循环遍历行和列。
3. 将值存储在列表列表中。

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)

步骤3：将CSV转换为Pandas DataFrame

现在，将提取的列表转换为 Pandas DataFrame。此步骤展示如何将 CSV 转换为带有适当标头的 Pandas DataFrame。

1. 导入 Pandas。
2. 使用第一行作为标题。
3. 从剩余的行创建 DataFrame。

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())

现在，您已成功使用 Aspose.Cells 将 CSV 转换为 DataFrame Pandas。

通过这些步骤，您已经了解了如何使用 Aspose.Cells 将 CSV 文件转换为 Pandas DataFrame。接下来，让我们探索如何处理 Excel 文件：首先将其保存为 CSV，然后将其加载到 Pandas 中。

通过 CSV 文件将 Excel 转换为 Pandas DataFrame

有时您的数据是 Excel 格式（.xlsx 或 .xls），并且您想通过 CSV 将 Excel 转换为 Pandas DataFrame。Aspose.Cells 可以实现无缝衔接。

按照以下步骤通过 CSV 文件将 Excel 转换为 Pandas DataFrames：

1. 将 Excel 文件加载到Workbook类对象中。
2. 将 Excel 文件保存为 CSV。
3. 将新创建的 CSV 文件重新加载到工作簿中。
4. 通过索引访问第一个工作表。
5. 将所有单元格值提取到 Python 列表列表中。
6. 使用第一行作为列标题，其余作为数据行。
7. 从提取的数据中创建一个 Pandas DataFrame。
8. 打印结果。

以下代码示例展示了如何在 Python 中将 Excel 转换为 pandas DataFrame：

import aspose.cells as ac
import pandas as pd

# Load an Excel file
excel_wb = ac.Workbook("PandasTest.xlsx")

# Save Excel as CSV
excel_wb.save("converted.csv", ac.SaveFormat.CSV)

# Reload CSV with 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)

# Convert to Pandas DataFrame
headers = data[0]
rows = data[1:]
df = pd.DataFrame(rows, columns=headers)

# Show results
print(df.head())

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

处理大型 CSV 文件

对于非常大的数据集，Aspose.Cells 比普通的 Pandas 更能处理内存。您甚至可以启用内存优化。步骤与之前相同。唯一的变化是加载 CSV 文件LoadOptions并设置MEMORY_PREFERENCE为高效处理大文件。

以下代码示例展示了如何在 Python 中将大型 CSV 文件转换为 pandas DataFrame：

import aspose.cells as ac
import pandas as pd

# Load the large CSV file with 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)

# Convert to Pandas DataFrame
headers = data[0]
rows = data[1:]
df = pd.DataFrame(rows, columns=headers)

# Show results
print(df.head())

结论

在本指南中，您学习了如何将 CSV 文件直接加载到 Aspose.Cells 中并将其转换为 Pandas DataFrames，以及如何在导入 Excel 文件之前将其保存为 CSV。Aspose.Cells 与 Pandas 结合使用，可为您提供更强大的控制力、性能和灵活性，使您的数据处理任务更加可靠且可扩展。

————————————————————————————————————————

关于慧都科技：

慧都科技是专注软件工程、智能制造、石油工程三大行业的数字化解决方案服务商。在软件工程领域，我们提供开发控件、研发管理、代码开发、部署运维等软件开发全链路所需的产品，提供正版授权采购、技术选型、个性化维保等服务，帮助客户实现技术合规、降本增效与风险可控。慧都科技Aspose在中国的官方授权代理商，提供Aspose系列产品免费试用，咨询，正版销售等于一体的专业化服务。Aspose是文档处理领域的优秀产品，帮助企业高效构建文档处理的应用程序。

下载|体验更多Aspose产品，请咨询，或拨打产品热线：023-68661681