在Python中，`pandas` 是一个非常强大的数据处理库，能够方便地读取和提取CSV文件中的数据。以下是一个基本的示例，展示如何使用 `pandas` 来读取和处理CSV文件[^4]。 ### 使用 Pandas 读取 CSV 文件 ```python import pandas as pd # 读取CSV文件 df = pd.read_csv('example.csv') # 显示前5行数据 print(df.head()) ``` ### 提取特定列或行的数据 如果只需要提取特定的列，可以使用列名进行筛选： ```python # 提取名为'column_name'的列 column_data = df['column_name'] ``` 如果需要提取满足某些条件的行，可以使用条件筛选： ```python # 提取满足条件的行，例如提取'column_name'大于100的所有行 filtered_rows = df[df['column_name'] > 100] ``` ### 从 ZIP 文件中读取 CSV 文件 如果CSV文件存储在一个ZIP文件中，可以使用 `zipfile` 模块结合 `pandas` 进行读取[^2]： ```python import pandas as pd import zipfile # 打开ZIP文件 with zipfile.ZipFile('example.zip') as z: # 读取ZIP中的CSV文件 with z.open('example.csv') as f: df = pd.read_csv(f) print(df.head()) ``` ### 处理包含特定条件的数据 以下是一个处理数据的示例，比如从CSV文件中提取特定性别的数据并进行计算[^4]： ```python # 读取CSV文件 directory = 'assets/' filename = 'NISPUF17.csv' df = pd.read_csv(directory + filename, index_col=0) # 提取男性且接种过疫苗且患过水痘的数据 male_a = df[(df.SEX == 1) & (df.P_NUMVRC >= 1) & (df.HAD_CPOX == 1)] # 提取男性且接种过疫苗但未患水痘的数据 male_b = df[(df.SEX == 1) & (df.P_NUMVRC >= 1) & (df.HAD_CPOX == 2)] # 计算比例 male_ratio = len(male_a) / len(male_b) # 类似地，提取女性数据 female_a = df[(df.SEX == 2) & (df.P_NUMVRC >= 1) & (df.HAD_CPOX == 1)] female_b = df[(df.SEX == 2) & (df.P_NUMVRC >= 1) & (df.HAD_CPOX == 2)] # 计算女性比例 female_ratio = len(female_a) / len(female_b) # 返回结果 result = {"male": male_ratio, "female": female_ratio} print(result) ``` ###