🔹 Pandas: читать и фильтровать CSV легко 🔹 Как быстро загрузить CSV (Comma-Separated Values) в pandas и отфильтровать данные? 🔸 read_csv нужен, чтобы корректно и эффективно превратить CSV в DataFrame: задать типы, парсить даты и экономить память — иначе данные будут медленными и ошибки появятся при фильтрации.
🔸 Оптимизация чтения: usecols ограничивает колонки, dtype фиксирует типы, parse_dates парсит даты, na_values задаёт пропуски, chunksize читает по частям.
🔸 Фильтрация DataFrame: булева индексация для сложных условий, .query() для читаемости, .isin() для множеств и .str.contains() для строковых совпадений.
import pandas as pd df = pd.read_csv('data.csv', usecols=['id','date','value'], parse_dates=['date'], dtype={'id':int}, na_values=['NA']) filtered = df[(df['value'] > 100) & (df['date'] > '2021-01-01')]
📚 Комбинация правильных опций read_csv и булевой фильтрации даёт быстрые и корректные DataFrame.
➡️ Мы в Telegram - Сетке - ВК Буду рад вашей реакции здесь⬇️
В этом посте были ссылки, но мы их удалили по правилам Сетки
