處理 CSV 文件是數據分析師和開發人員的日常工作。如果您需要將 CSV 轉換為 Pandas DataFrame，Pandas 提供了直接read_csv()函數，但有時您需要更強大的功能。這時，Aspose.Cells for Python 就派上用場了。使用 Aspose.Cells，您可以在 Pandas 中導入 CSV，同時確保更好的控制、可靠性以及與 Excel 格式的兼容性。在本篇教程中，您將逐步學習如何將 CSV 轉換為 Pandas、處理 Excel 文件以及將其導出到 Pandas DataFrame。

Aspose.Cells官方試用版免費下載

加入Aspose技術交流QQ群（1041253375），與更多小伙伴一起探討提升開發技能。

將 CSV 轉換為 Pandas DataFrame 的 Python 庫

Aspose.Cells for Python via .NET是一個功能強大的電子表格處理庫。它允許您以編程方式創建、讀取、編輯和轉換 Excel 和 CSV 文件，而無需 Microsoft Excel。在處理 CSV 到 Pandas 的轉換時，Aspose.Cells 可以充當原始 CSV 文件和結構化 Pandas DataFrame 之間的可靠橋梁。

先決條件

在運行示例之前，請確保已安裝以下內容：

• 通過 .NET 的 Python Aspose.Cells：從版本下載或使用 pip 安裝：

pip install aspose-cells-python

• Pandas – 使用 pip 安裝：

pip install pandas

這兩個庫將允許您使用 Aspose.Cells 加載和處理 CSV/Excel 文件，然后將它們轉換為 Pandas DataFrames 進行分析。

通過 .NET 為 Python 使用 Aspose.Cells → 用于讀取和處理 CSV/Excel 文件。

Pandas →用于構建和分析 DataFrames。

將 CSV 轉換為 Pandas DataFrame：分步說明

在本節中，您將逐步了解使用 Aspose.Cells for Python 將 CSV 文件轉換為 Pandas DataFrame 的完整過程。每個步驟都分解為多個小任務，方便您輕松掌握。首先，您將把 CSV 文件加載到工作簿中。提取其內容并構建 Pandas DataFrame。

步驟 1：將 CSV 加載到工作簿

讓我們首先將 CSV 文件加載到 Aspose.Cells 工作簿中。

1. 導入 Workbook 類。
2. 加載 CSV 文件。
3. 訪問第一個工作表。

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]

步驟 2：從工作表中提取數據

文件加載完成后，逐行提取其內容。這將為數據轉換為 DataFrame 做好準備。

1. 獲取細胞集合。
2. 循環遍歷行和列。
3. 將值存儲在列表列表中。

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)

步驟3：將CSV轉換為Pandas DataFrame

現在，將提取的列表轉換為 Pandas DataFrame。此步驟展示如何將 CSV 轉換為帶有適當標頭的 Pandas DataFrame。

1. 導入 Pandas。
2. 使用第一行作為標題。
3. 從剩余的行創建 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())

現在，您已成功使用 Aspose.Cells 將 CSV 轉換為 DataFrame Pandas。

通過這些步驟，您已經了解了如何使用 Aspose.Cells 將 CSV 文件轉換為 Pandas DataFrame。接下來，讓我們探索如何處理 Excel 文件：首先將其保存為 CSV，然后將其加載到 Pandas 中。

通過 CSV 文件將 Excel 轉換為 Pandas DataFrame

有時您的數據是 Excel 格式（.xlsx 或 .xls），并且您想通過 CSV 將 Excel 轉換為 Pandas DataFrame。Aspose.Cells 可以實現無縫銜接。

按照以下步驟通過 CSV 文件將 Excel 轉換為 Pandas DataFrames：

1. 將 Excel 文件加載到Workbook類對象中。
2. 將 Excel 文件保存為 CSV。
3. 將新創建的 CSV 文件重新加載到工作簿中。
4. 通過索引訪問第一個工作表。
5. 將所有單元格值提取到 Python 列表列表中。
6. 使用第一行作為列標題，其余作為數據行。
7. 從提取的數據中創建一個 Pandas DataFrame。
8. 打印結果。

以下代碼示例展示了如何在 Python 中將 Excel 轉換為 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

處理大型 CSV 文件

對于非常大的數據集，Aspose.Cells 比普通的 Pandas 更能處理內存。您甚至可以啟用內存優化。步驟與之前相同。唯一的變化是加載 CSV 文件LoadOptions并設置MEMORY_PREFERENCE為高效處理大文件。

以下代碼示例展示了如何在 Python 中將大型 CSV 文件轉換為 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())

結論

在本指南中，您學習了如何將 CSV 文件直接加載到 Aspose.Cells 中并將其轉換為 Pandas DataFrames，以及如何在導入 Excel 文件之前將其保存為 CSV。Aspose.Cells 與 Pandas 結合使用，可為您提供更強大的控制力、性能和靈活性，使您的數據處理任務更加可靠且可擴展。

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

關于慧都科技：

慧都科技是專注軟件工程、智能制造、石油工程三大行業的數字化解決方案服務商。在軟件工程領域，我們提供開發控件、研發管理、代碼開發、部署運維等軟件開發全鏈路所需的產品，提供正版授權采購、技術選型、個性化維保等服務，幫助客戶實現技術合規、降本增效與風險可控。慧都科技Aspose在中國的官方授權代理商，提供Aspose系列產品免費試用，咨詢，正版銷售等于一體的專業化服務。Aspose是文檔處理領域的優秀產品，幫助企業高效構建文檔處理的應用程序。

下載|體驗更多Aspose產品，請咨詢，或撥打產品熱線：023-68661681