¿Cómo crear múltiples archivos CSV a partir de un archivo CSV existente usando Pandas?

En este artículo, aprenderemos cómo crear múltiples archivos CSV a partir de un archivo CSV existente usando Pandas. Cuando ingresemos nuestro código en producción, tendremos que lidiar con la edición de nuestros archivos de datos. Debido al gran tamaño del archivo de datos, encontraremos más problemas, por lo que dividimos este archivo en algunos archivos pequeños según algunos criterios, como dividir en filas, columnas, valores específicos de columnas, etc. 

Primero, creemos un archivo CSV simple y usémoslo para todos los ejemplos a continuación en el artículo. Cree un conjunto de datos utilizando el método de marco de datos de pandas y luego guárdelo en el archivo «Customers.csv» o podemos cargar el conjunto de datos existente con la función pandas read_csv().

import pandas as pd
 
# initialise data dictionary.
data_dict = {'CustomerID': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10],
              
             'Gender': ["Male", "Female", "Female", "Male",
                        "Male", "Female", "Male", "Male",
                        "Female", "Male"],
              
             'Age': [20, 21, 19, 18, 25, 26, 32, 41, 20, 19],
              
             'Annual Income(k$)': [10, 20, 30, 10, 25, 60, 70,
                                   15, 21, 22],
              
             'Spending Score': [30, 50, 48, 84, 90, 65, 32, 46,
                                12, 56]}
 
# Create DataFrame
data = pd.DataFrame(data_dict)
 
# Write to CSV file
data.to_csv("Customers.csv")
 
# Print the output.
print(data)

Producción:

Creación de varios archivos CSV a partir del archivo CSV existente

Para hacer nuestro trabajo, discutiremos diferentes métodos que son los siguientes:

Método 1: división basada en filas

En este método, dividiremos un archivo CSV en varios CSV en función de las filas.

import pandas as pd
 
# read DataFrame
data = pd.read_csv("Customers.csv")
 
# no of csv files with row size
k = 2
size = 5
 
for i in range(k):
    df = data[size*i:size*(i+1)]
    df.to_csv(f'Customers_{i+1}.csv', index=False)
 
df_1 = pd.read_csv("Customers_1.csv")
print(df_1)
 
df_2 = pd.read_csv("Customers_2.csv")
print(df_2)

Producción:

Método 2: División basada en columnas

Ejemplo 1:

Usando el método groupby() de Pandas podemos crear múltiples archivos CSV. Para crear un archivo podemos usar el método to_csv() de Pandas. Aquí se crearon dos archivos basados ​​en los valores «masculino» y «femenino» de las columnas Género. 

import pandas as pd
 
# read DataFrame
data = pd.read_csv("Customers.csv")
 
for (gender), group in data.groupby(['Gender']):
     group.to_csv(f'{gender}.csv', index=False)
 
print(pd.read_csv("Male.csv"))
print(pd.read_csv("Female.csv"))

Producción: 

Hombre.csv

Femenino.csv

Ejemplo 2:

Podemos agrupar más de dos columnas y podemos crear varios archivos sobre la base de una combinación de valores únicos del valor de ambas columnas. Tome las columnas Género e Ingreso anual. 

import pandas as pd
 
# read DataFrame
data = pd.read_csv("Customers.csv")
 
for (Gender, Income), group in data.groupby(['Gender', 'Annual Income(k$)']):
    group.to_csv(f'{Gender} {Income}.csv', index=False)
    print(pd.read_csv(f'{Gender} {Income}.csv'))

Producción:

Los nueve archivos CSV

Ejemplo 3:

Filtraremos las columnas en función del nombre de columna específico Género a sus valores (Masculino y Femenino). Luego conviértalo a un archivo CSV usando to_csv en pandas. 

import pandas as pd
 
# read DataFrame
data = pd.read_csv("Customers.csv")
 
male = data[data['Gender'] == 'Male']
female = data[data['Gender'] == 'Female']
 
male.to_csv('Gender_male.csv', index=False)
female.to_csv('Gender_female.csv', index=False)
 
print(pd.read_csv("Gender_male.csv"))
print(pd.read_csv("Gender_female.csv"))

Producción:

Método 3: división basada tanto en filas como en columnas 

Usando el método groupby() de Pandas, podemos crear múltiples archivos CSV por filas. Para crear un archivo podemos usar el método to_csv() de Pandas. Aquí se crearon dos archivos basados ​​en los valores de fila «masculino» y «femenino» de la columna de género específica para el puntaje de gasto.

for (gender), group in data['Spending Score'].groupby(data['Gender']):
    group.to_csv(f'{gender}Score.csv', index=False)
     
print(pd.read_csv("MaleScore.csv"))
print(pd.read_csv("FemaleScore.csv"))

Producción: