Giocando con Pandas

pandas_csv.py

from pandas.io.parsers import read_csv
"""
Esempio base di utilizzo della libreria Pandas per maneggiare file csv Senza
diventare scemi.

Tutta la documentazione è presente a questo indirizzo:
http://pandas.pydata.org/pandas-docs/stable/index.html
"""

# Importo un csv separato da virgole, creando di fatto un DataFrame
df = read_csv("SacramentocrimeJanuary2006.csv")


# Vediamo un po' come e' fatto il nostro DataFrame
print df.shape  # (7584, 9) // 7584 sono le righe, 9 sono le colonne


# Quali sono le colonne?
print df.columns
# Index([u'cdatetime', u'address', u'district', u'beat', u'grid', u'crimedescr',
#        u'ucr_ncic_code', u'latitude', u'longitude'],
#       dtype='object')


# Diamo un'occhio all'inizio del file:
print df.head()
#      cdatetime              address  district        beat  grid  \
# 0  1/1/06 0:00   3108 OCCIDENTAL DR         3  3C          1115
# 1  1/1/06 0:00  2082 EXPEDITION WAY         5  5A          1512
# 2  1/1/06 0:00           4 PALEN CT         2  2A           212
# 3  1/1/06 0:00       22 BECKFORD CT         6  6C          1443
# 4  1/1/06 0:00     3421 AUBURN BLVD         2  2A           508
#
#                       crimedescr  ucr_ncic_code   latitude   longitude
# 0  10851(A)VC TAKE VEH W/O OWNER           2404  38.550420 -121.391416
# 1     459 PC  BURGLARY RESIDENCE           2204  38.473501 -121.490186
# 2  10851(A)VC TAKE VEH W/O OWNER           2404  38.657846 -121.462101
# 3   476 PC PASS FICTICIOUS CHECK           2501  38.506774 -121.426951
# 4   459 PC  BURGLARY-UNSPECIFIED           2299  38.637448 -121.384613


# Se vogliamo solo la prima riga:
print df.head(1)
#      cdatetime             address  district        beat  grid  \
# 0  1/1/06 0:00  3108 OCCIDENTAL DR         3  3C          1115
#
#                       crimedescr  ucr_ncic_code  latitude   longitude
# 0  10851(A)VC TAKE VEH W/O OWNER           2404  38.55042 -121.391416


# Se vogliamo l'ultima
print df.tail(1)
#           cdatetime                            address  district        beat  \
# 7583  1/31/06 23:50  COBBLE COVE LN / COBBLE SHORES DR         4  4C
#
#       grid                   crimedescr  ucr_ncic_code   latitude   longitude
# 7583  1294  TRAFFIC-ACCIDENT-NON INJURY           5400  38.479628 -121.528634


# Se voglio le righe dalla 100 alla 105
print df[100:105]
#        cdatetime                    address  district        beat  grid  \
# 100  1/1/06 7:00          2518 HAWTHORNE ST         2  2B           551
# 101  1/1/06 7:20   AZEVEDO DR / YARWOOD WAY         1  1B           411
# 102  1/1/06 7:30          6021 WILKINSON ST         6  6C          1404
# 103  1/1/06 7:45           1200 ROANOKE AVE         2  2A           514
# 104  1/1/06 7:46  RIO LINDA BLVD / MAIN AVE         2  2A           224
#
#                          crimedescr  ucr_ncic_code   latitude   longitude
# 100      459 PC  BURGLARY RESIDENCE           2204  38.611980 -121.457806
# 101      PERSON INFORMATION - I RPT           7000  38.620998 -121.510447
# 102  653M(B) PC ANNOY/RPT CALL HOME           5307  38.517560 -121.414271
# 103        459 PC  BURGLARY VEHICLE           2299  38.634658 -121.439240
# 104                20002(A) HIT/RUN           5401  38.655093 -121.447739


# Pialliamo la prima riga
df.loc[0] = ["" for col in df.columns]
print df.head(1)
# cdatetime address district beat grid crimedescr ucr_ncic_code latitude  \
# 0
#
#   longitude
# 0


# Scriviamo una riga in fondo al file
df.loc[len(df) + 1] = ["Sto scrivendo" for col in df.columns]
print df.tail(1)
#           cdatetime        address       district           beat  \
# 7585  Sto scrivendo  Sto scrivendo  Sto scrivendo  Sto scrivendo
#
#                grid     crimedescr  ucr_ncic_code       latitude  \
# 7585  Sto scrivendo  Sto scrivendo  Sto scrivendo  Sto scrivendo
#
#           longitude
# 7585  Sto scrivendo


# Ora la parte divertente, voglio sapere la tipologia di crimine compiuta più spesso (colonna "crimedescr")
# diciamo i primi 5
sorted([(name, len(group)) for name, group in df.groupby("crimedescr")], reverse=True, key= lambda x: x[1])[:5]
# [
#     ('10851(A)VC TAKE VEH W/O OWNER', 652),
#     ('TOWED/STORED VEH-14602.6', 463),
#     ('459 PC  BURGLARY VEHICLE', 462),
#     ('TOWED/STORED VEHICLE', 434),
#     ('459 PC  BURGLARY RESIDENCE', 356)
# ]


# Salviamo il file csv modificato
df.to_csv("salvato.csv", sep=',')