【1】读取CSV并进行透视

我们的原始数据格式：

① 读取数据

pd.read_csv 会读取csv表格并使用names指定读取后的列名称。

import pandas as pd

releaseNumOfYear = pd.read_csv("data/releaseNumOfYear.csv", header=None, names=['Year', 'Genre', 'ReleaseNum'])

这里会呈现什么格式呢？如下所示：

② 使用pivot进行透视

pivot函数用于从给定的表中创建出新的派生表，pivot有三个参数：索引、列和值

data = pd.pivot(releaseNumOfYear, index='Year', columns='Genre')

这里得到的data是什么呢？如下图所示：

也就是把①中读取的纵表透视为了横表（宽表）。

---

如何去掉ReleaseNum呢？如下所示

data['ReleaseNum']

如上得到的data格式为pandas.core.frame.DataFrame，我们如何遍历呢？

【2】DataFrame的遍历

① 按行遍历

 for index,row in releaseNumOfYear.iterrows():
        print(index,row)

这里index不用说了，就是每一行的索引。但是row，可不是你看到的一行数据而是如下图所示格式：

也就是 print(index,row)每次只需打印如下所示：

0 Year               2019
Genre         Unplugged
ReleaseNum           94
Name: 0, dtype: object

也可以根据列名获取数据不打印label，如下所示：

 for index,row in releaseNumOfYear.iterrows():
	print(row['Year'] , row['Genre'] , row['ReleaseNum'])

# 如第一行打印结果
2019 Unplugged 94

② shape 函数

pandas.DataFrame.shape 返回数据帧的形状。假设data为Dataframe格式数据有2行3列：

• data.shape 返回data形状(2,3) 2行3列
• data.shape[0] 返回行数 2
• data.shape[1] 返回列数 3