ur 
English 
Español 
中國人 
Tiếng Việt 
Deutsch 
Українська 
Português 
Français 
भारतीय 
Türkçe 
한국인 
Italiano 
Gaeilge 
Indonesia 
Polski ڈیٹا پارسنگ کو معلومات کے خود کار طریقے سے جمع کرنے اور پروسیسنگ کے طور پر بیان کیا جاتا ہے ، جو اکثر CSV فائلوں کے معاملے میں استعمال ہوتا ہے۔ یہاں پارسنگ کا مطلب ہے CSV فائلوں کو قطاریں ، کالم اور اقدار میں سلائس کرنا۔ ایسا کرنے سے ، اعداد و شمار کا تجزیہ کیا جاسکتا ہے ، فلٹر کیا جاسکتا ہے ، اور مزید کام کے لئے آسانی سے نکالا جاسکتا ہے۔ اس مضمون میں ہم وضاحت کریں گے کہ CSV فائلوں کو پڑھنے کے لئے Python کو کس طرح استعمال کریں۔ مزید برآں ، ہم دکھائیں گے کہ Python میں CSV فائل سے ڈیٹا کو کس طرح تجزیہ کیا جائے۔
CSV، یا (Comma Separated Values)، ایک فائل فارمیٹ ہے جو ڈیٹا کو اس طرح محفوظ کرتا ہے کہ اس میں قیمتیں کاما کے ذریعے اور نئی لائن شفٹ کے ذریعے الگ کی جاتی ہیں۔ اس وجہ سے، CSV فارمیٹ کو مختلف سیاق و سباق میں استعمال کیا جا سکتا ہے، جیسے کہ ایکسل میں ڈیٹا بنانا یا ترمیم کرنا۔
CSV فائلوں کی ایک اہم طاقت یہ ہے کہ ان تک رسائی اور معلومات کا اشتراک کرنا بہت آسان ہوتا ہے۔ اس کی خصوصیت اسے کسی بھی سافٹ ویئر کے ذریعے کھولنے اور پروسیس کرنے کی اجازت دیتی ہے، چاہے آپ جو سافٹ ویئر استعمال کر رہے ہوں۔ اس سے ایسی ڈیٹا کو اسپریڈ شیٹ یا ڈیٹا بیس کی شکل میں برآمد کرنا آسان ہو جاتا ہے۔
اب ہم دکھائیں گے کہ Python میں CSV کو کیسے کھولا اور پڑھا جائے۔
Python میں ایک بلٹ ان CSV لائبریری موجود ہے جو ڈیٹا کو آسانی سے پڑھنے اور لکھنے کی صلاحیت رکھتی ہے۔ بیرونی لائبریریوں کو انسٹال کرنا ضروری نہیں ہے، جو مواد کا تجزیہ کرنے اور فائلوں کو کھولنے کو اتنا آسان بناتا ہے۔
ذیل میں کوڈ کے کچھ حصے دکھائے گئے ہیں کہ Python میں university_records نام کی CSV فائل کو کیسے کھولا اور پرنٹ کیا جائے۔ یہ فائل کو پڑھنے کے موڈ میں کھولتا ہے، پھر CSV فائل کو پڑھتا ہے، آخرکار یہ ڈیٹا کو ایک for لوپ کے ذریعے پرنٹ کرتا ہے۔
PHP
Node.js
Python
Java
Golang
import csv
with open('university_records.csv', 'r') as csv_file:
reader = csv.reader(csv_file)
for row in reader:
print(row)
اس مقصد کے لیے، ہم ڈیٹا لکھنے کے لیے CSV ماڈیول کا استعمال کریں گے۔ CSV ماڈیول میں معلومات لکھنے میں مدد کرنے کے لیے مفید طریقے ہیں:
ماڈیول کے طریقے کوڈ میں جامع طور پر وضاحت کے ساتھ دکھائے گئے ہیں:
import csv
row = ['David', 'MCE', '3', '7.8']
row1 = ['Monika', 'PIE', '3', '9.1']
row2 = ['Raymond', 'ECE', '2', '8.5']
with open('university_records.csv', 'a') as csv_file:
writer = csv.writer(csv_file)
writer.writerow(row)
writer.writerow(row1)
writer.writerow(row2)
آج کل Python کا استعمال کرکے CSV فائلز پارس کرنا بہت ضروری ہو چکا ہے: مالیاتی اسپریڈشیٹس سے لے کر مشین لرننگ کے لیے بڑے ڈیٹا بیس تک۔ کبھی کبھار ان فائلز کے ساتھ کام کرنا تکلیف دہ ہوتا ہے، خاص طور پر جب آپ کو Python کی فراہم کردہ خصوصیات سے زیادہ کی ضرورت ہوتی ہے۔ ایسے معاملات میں، پینڈاز لائبریری مددگار ثابت ہو سکتی ہے۔
ڈیٹا کو DataFrame کے ساتھ لکھنے کی مکمل صلاحیت نیچے دکھائی گئی ہے۔ DataFrame پینڈاز لائبریری کی ایک اہم ڈیٹا ساخت ہے اور اس کا استعمال جدول کے ڈیٹا کے ساتھ کام کرنے کے لیے کیا جاتا ہے۔
import pandas as pd
data = {"Name": ["David", "Monika", "Raymond"],
"Age": [30, 25, 40],
"City": ["Kyiv", "Lviv", "Odesa"]
}
df = pd.DataFrame(data)
file_path = "data.csv"
df.to_csv(file_path, index=False, encoding="utf-8")
Python کے لئے Pandas لائبریری کو CSV کی تجزیہ کرنے کے لئے سب سے موثر سمجھا جاتا ہے اور یہاں وجوہات یہ ہیں کہ یہ اتنا طاقتور اور آسان ہے۔
ان خصوصیات سے پتہ چلتا ہے کہ CSV فائلوں کو جلدی سے تجزیہ کرنے کے لئے لائبریری بہترین ہے کیونکہ اس کے مقابلے میں دیگر ٹولز محدود ہیں۔ ایک ہی وقت میں ، یہ بڑی مقدار میں ڈیٹا پر کارروائی کرنے کے قابل ہے جو اسے معلومات کی دنیا میں انتہائی مفید بناتا ہے۔
اس سے پہلے کہ آپ CSV دستاویز کو استعمال کرسکیں ، پہلا قدم اسے اپ لوڈ کرنا ہے۔
import pandas as pd
df = pd.read_csv("data.csv")
وسیع ڈیٹاسیٹس سے نمٹنے کے وقت ، Pandas ٹول استعمال کے ل مناسب ہیں۔ آئیے دریافت کریں کہ ایک Python اسکرپٹ سی ایس وی فائل کو کس طرح پارس کرسکتا ہے۔
df.head() # Shows the first 5 rows
df.tail(10) # Shows the last 10 rows
df.info() # Outputs a list of columns, data types, and the number of filled values
ایک یا ایک سے زیادہ کالموں کو منتخب کرنے کے لئے ، عمل کریں:
df["Name"] # Get the column "Name"
df[["Name", "Age"]] # Extract only "Name" and "Age"
اب آئیے دیکھتے ہیں کہ خاص قطاروں کو داخل کرنے ، اس میں ترمیم کرنے اور اسے ہٹانے کا طریقہ۔
ایک نئی قطار داخل کرنا:
# Load the CSV file
df = pd.read_csv(file_path)
# Add a new row
new_row = pd.DataFrame([{"Name": "Denys", "Age": 35, "City": "Kharkiv"}]) df = pd.concat([df, new_row], ignore_index=True)
# Save
df.to_csv(file_path, index=False, encoding="utf-8")
ایک خاص قطار میں ترمیم کرنا:
df = pd.read_csv(file_path)
# Change the age of Ivan
df.loc[df["Name"] == "Ivan", "Age"] = 26
df.to_csv(file_path, index=False, encoding="utf-8")
ایک قطار کو ہٹانا:
df = pd.read_csv(file_path)
# Remove the row where Name == "Mykhailo"
df = df[df["Name"] != "Mykhailo"]
df.to_csv(file_path, index=False, encoding="utf-8")
خلاصہ کرنے کے لئے ، اس مضمون میں ہم نے دکھایا کہ کس طرح Python میں CSV فائل کو کھولنا اور پڑھنا ہے۔ لیکن جب بھی صارف کو زیادہ سے زیادہ درستگی اور طاقتور ترجمانی کرنے والے ٹولز کی ضرورت ہوتی ہے تو ، Pandas بالکل کام کرتا ہے۔ بار بار ہونے والے عمل کو خودکار کرنا ، بڑے پیمانے پر فائلوں کو سنبھالنے اور وقت کی بچت کے لئے اجازت دیتے ہوئے ، یہ لائبریری بہت موثر ہے۔ لہذا ، یہ نتیجہ اخذ کیا جاسکتا ہے کہ بنیادی افعال کے لئے ، معیاری CSV لائبریری تقاضے فراہم کرتی ہے ، جبکہ پانڈوں کو وسیع معلومات کے اعداد و شمار سے نمٹنے کے لئے بنایا گیا ہے۔
تبصرے: 0