【问题标题】:How to check each column data type in csv python?如何检查csv python中的每一列数据类型?
【发布时间】:2018-07-26 07:15:27
【问题描述】:
DRIVER’S NAME,LICENSE,PH NUMBER,DOB,HIRE DAY 
CARLOS ARELLANO ,A645-100-63-345-0,(786) 424 1186,24/09/1959,08/01/2008 
ISAEL PENA,P515-400-76 346-0,(305) 915 9316,25/09/1972,27/11/2010 
YUSEL GONZALEZ ,G524-960-78-013-0,(786 ) 616- 1023,12/01/1974,25/08/2012 
JESUS RAMOS ,R523-421-79-409-0,(352) 223-7929,08/11/1975,12/07/2012 
DAVID GOLBOURNE ,G416-164-71-058-1,( 786 ) 251-7144,17/02/1967,06/09/2012 
,,,, 
,,,,

当我阅读此文件时,我有这样的 csv 文件 python 将 "string" 作为数据类型我如何使用 csv 库检查每个列数据类型

【问题讨论】:

  • 你能发布预期的输出吗?
  • 是的,请看@Rakesh

标签: python-3.x csv lambda


【解决方案1】:
import pandas as pd
out = pd.read_cvs('./path_to_csv')

out['LICENSE'] 

返回

0    A645-100-63-345-0
1    P515-400-76 346-0
2    G524-960-78-013-0
3    R523-421-79-409-0
4    G416-164-71-058-1
Name: LICENSE, dtype: object

根据需要

如果你想要一本字典:

dict(out)

给你

 {'DRIVER’S NAME': 0    CARLOS ARELLANO 
 1          ISAEL PENA
 2     YUSEL GONZALEZ 
 3        JESUS RAMOS 
 4    DAVID GOLBOURNE 
 Name: DRIVER’S NAME, dtype: object, 'LICENSE': 0    A645-100-63-345-0
 1    P515-400-76 346-0
 2    G524-960-78-013-0
 3    R523-421-79-409-0
 4    G416-164-71-058-1
 Name: LICENSE, dtype: object, 'PH NUMBER': 0      (786) 424 1186
 1      (305) 915 9316
 2    (786 ) 616- 1023
 3      (352) 223-7929
 4    ( 786 ) 251-7144
 Name: PH NUMBER, dtype: object, 'DOB': 0    24/09/1959
 1    25/09/1972
 2    12/01/1974
 3    08/11/1975
 4    17/02/1967
 Name: DOB, dtype: object, 'HIRE DAY ': 0    08/01/2008 
 1    27/11/2010 
 2    25/08/2012 
 3    12/07/2012 
 4    06/09/2012 
 Name: HIRE DAY , dtype: object}

根据您的首选输出

【讨论】:

    【解决方案2】:

    您可以使用 pandas 库来确定 csv 数据类型。

    你可以这样做:

    import pandas as pd
    df = pd.read_csv('your_csv_file.csv', nrows=2)
    for dtype in df.dtypes.iteritems():
        print(dtype)
    

    【讨论】:

      【解决方案3】:

      其中一个最简单的是:

      df.info()
      

      【讨论】:

        猜你喜欢
        • 1970-01-01
        • 2016-04-15
        • 2015-05-18
        • 2018-04-05
        • 2016-11-22
        • 1970-01-01
        • 1970-01-01
        • 1970-01-01
        • 1970-01-01
        相关资源
        最近更新 更多