.. _tablesavecguillemetsrst:

======================
Tables avec guillemets
======================


.. only:: html

    **Links:** :download:`notebook <tables_avec_guillemets.ipynb>`, :downloadlink:`html <tables_avec_guillemets2html.html>`, :download:`PDF <tables_avec_guillemets.pdf>`, :download:`python <tables_avec_guillemets.py>`, :downloadlink:`slides <tables_avec_guillemets.slides.html>`, :githublink:`GitHub|_doc/notebooks/exemples/tables_avec_guillemets.ipynb|*`


Le fichier de données à gérer contient quelques désagrément avec des
guillements qui gênent la lecture lorsqu’on applique les exemples donnés
par la documentation de `pandas <http://pandas.pydata.org/>`__.

Voici l’exemple :

.. code:: ipython3

    texte =  """
    "Libellé","Produit","Prix","Quantite"
    "L123","meuble","1000","1"
    "L321","portable","500","2"
    "L333","lampe","100","4"
    """
    
    with open("exemple_fichier.txt", "w", encoding="utf8") as f:
        f.write(texte)

Le paramètre *encoding* de la fonction
`open <https://docs.python.org/3/library/functions.html#open>`__ est
utilisé pour préciser que le texte contient des caractères non
`ASCII <https://fr.wikipedia.org/wiki/American_Standard_Code_for_Information_Interchange>`__,
typiquement des accents. Mais pandas gère plutôt bien ce bruit.

.. code:: ipython3

    import pandas
    df = pandas.read_csv("exemple_fichier.txt", encoding="utf8")
    df






.. raw:: html

    <div style="max-height:1000px;max-width:1500px;overflow:auto;">
    <table border="1" class="dataframe">
      <thead>
        <tr style="text-align: right;">
          <th></th>
          <th>Libellé</th>
          <th>Produit</th>
          <th>Prix</th>
          <th>Quantite</th>
        </tr>
      </thead>
      <tbody>
        <tr>
          <th>0</th>
          <td>L123</td>
          <td>meuble</td>
          <td>1000</td>
          <td>1</td>
        </tr>
        <tr>
          <th>1</th>
          <td>L321</td>
          <td>portable</td>
          <td>500</td>
          <td>2</td>
        </tr>
        <tr>
          <th>2</th>
          <td>L333</td>
          <td>lampe</td>
          <td>100</td>
          <td>4</td>
        </tr>
      </tbody>
    </table>
    </div>



On vérifie que les variables numériques sont numériques :

.. code:: ipython3

    df.dtypes




.. parsed-literal::
    Libellé     object
    Produit     object
    Prix         int64
    Quantite     int64
    dtype: object



On peut décider de conserver les guillements en spécifiant le paramètre
*quoting* :

.. code:: ipython3

    df2 = pandas.read_csv("exemple_fichier.txt", encoding="utf8" ,quoting=3)
    df2






.. raw:: html

    <div style="max-height:1000px;max-width:1500px;overflow:auto;">
    <table border="1" class="dataframe">
      <thead>
        <tr style="text-align: right;">
          <th></th>
          <th>"Libellé"</th>
          <th>"Produit"</th>
          <th>"Prix"</th>
          <th>"Quantite"</th>
        </tr>
      </thead>
      <tbody>
        <tr>
          <th>0</th>
          <td>"L123"</td>
          <td>"meuble"</td>
          <td>"1000"</td>
          <td>"1"</td>
        </tr>
        <tr>
          <th>1</th>
          <td>"L321"</td>
          <td>"portable"</td>
          <td>"500"</td>
          <td>"2"</td>
        </tr>
        <tr>
          <th>2</th>
          <td>"L333"</td>
          <td>"lampe"</td>
          <td>"100"</td>
          <td>"4"</td>
        </tr>
      </tbody>
    </table>
    </div>



.. code:: ipython3

    df2.dtypes




.. parsed-literal::
    "Libellé"     object
    "Produit"     object
    "Prix"        object
    "Quantite"    object
    dtype: object



Et si jamais les virgules sont des points-virgules, il faut préciser le
paramètre *sep* :

.. code:: ipython3

    texte =  """
    "Libellé";"Produit";"Prix";"Quantite"
    "L123";"meuble";"1000";"1"
    "L321";"portable";"500";"2"
    "L333";"lampe";"100";"4"
    """
    
    with open("exemple_fichier2.txt", "w", encoding="utf8") as f:
        f.write(texte)
        
    df3 = pandas.read_csv("exemple_fichier2.txt", encoding="utf8", sep=";")
    df3    






.. raw:: html

    <div style="max-height:1000px;max-width:1500px;overflow:auto;">
    <table border="1" class="dataframe">
      <thead>
        <tr style="text-align: right;">
          <th></th>
          <th>Libellé</th>
          <th>Produit</th>
          <th>Prix</th>
          <th>Quantite</th>
        </tr>
      </thead>
      <tbody>
        <tr>
          <th>0</th>
          <td>L123</td>
          <td>meuble</td>
          <td>1000</td>
          <td>1</td>
        </tr>
        <tr>
          <th>1</th>
          <td>L321</td>
          <td>portable</td>
          <td>500</td>
          <td>2</td>
        </tr>
        <tr>
          <th>2</th>
          <td>L333</td>
          <td>lampe</td>
          <td>100</td>
          <td>4</td>
        </tr>
      </tbody>
    </table>
    </div>



Et si jamais le fichier initial est très grand… On veut simplement lire
les premières lignes :

.. code:: ipython3

    df4 = pandas.read_csv("exemple_fichier2.txt", encoding="utf8", sep=";", nrows=2)
    df4






.. raw:: html

    <div style="max-height:1000px;max-width:1500px;overflow:auto;">
    <table border="1" class="dataframe">
      <thead>
        <tr style="text-align: right;">
          <th></th>
          <th>Libellé</th>
          <th>Produit</th>
          <th>Prix</th>
          <th>Quantite</th>
        </tr>
      </thead>
      <tbody>
        <tr>
          <th>0</th>
          <td>L123</td>
          <td>meuble</td>
          <td>1000</td>
          <td>1</td>
        </tr>
        <tr>
          <th>1</th>
          <td>L321</td>
          <td>portable</td>
          <td>500</td>
          <td>2</td>
        </tr>
      </tbody>
    </table>
    </div>



Ou encore une lecture par morceau de 2 lignes :

.. code:: ipython3

    reader = pandas.read_csv("exemple_fichier2.txt", encoding="utf8", sep=";", iterator=True, chunksize=2)
    for i, extrait in enumerate(reader):
        print("extrait",i)
        print(extrait)


.. parsed-literal::
    extrait 0
      Libellé   Produit  Prix  Quantite
    0    L123    meuble  1000         1
    1    L321  portable   500         2
    extrait 1
      Libellé Produit  Prix  Quantite
    0    L333   lampe   100         4