{ "cells": [ { "cell_type": "code", "execution_count": 1, "metadata": {}, "outputs": [], "source": [ "import pandas as pd" ] }, { "cell_type": "code", "execution_count": 8, "metadata": {}, "outputs": [], "source": [ "df1 = pd.read_csv('data/file.csv', header=None)" ] }, { "cell_type": "code", "execution_count": 12, "metadata": {}, "outputs": [], "source": [ "# set dataframe column names to alphabetic letters A, B, C, D, etc\n", "import string\n", "import itertools\n", "row_count, col_count = df1.shape\n", "col_names = [[y+x.strip() for x,y in itertools.product(' 123456789', string.ascii_uppercase)][i] for i in range(col_count)]\n", "df1.columns = col_names" ] }, { "cell_type": "code", "execution_count": 13, "metadata": {}, "outputs": [ { "data": { "text/html": [ "
\n", "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
ABCDEFGHIJ...ZA1B1C1D1E1F1G1H1I1
07987BMW120INone2005PHatchback69644.0Free 3 Year Mechanical Warranty & Roadside Assist5dr...NaN8500.0NaNNaNNaNNaNNaNNaNNaNNaN
18533HondaAccordEuro L2009PSedan86100.0Free 3 Year Mechanical Warranty & Roadside Assist4dr...NaN12500.0NaNNaNNaNNaNNaNNaNNaNNaN
28573FordTerritoryTx Awd 7 SEATER2005PStation Wagon151799.0Free 3 Year Mechanical Warranty & Roadside Assist4dr...NaN12995.0NaNNaNNaNNaNNaNNaNNaNNaN
38688LexusEs3002.5PH/HD/SL/4DR/5S2014PSedan62101.0NaN4dr...NaN29995.0NaNNaNNaNNaNNaNNaNNaNNaN
48825VolkswagenPassatR36 6DSG SEDAN2009PSedan136000.0NaN4dr...NaN14995.0NaNNaNNaNNaNNaNNaNNaNNaN
\n", "

5 rows × 35 columns

\n", "
" ], "text/plain": [ " A B C D E F G \\\n", "0 7987 BMW 120I None 2005 P Hatchback \n", "1 8533 Honda Accord Euro L 2009 P Sedan \n", "2 8573 Ford Territory Tx Awd 7 SEATER 2005 P Station Wagon \n", "3 8688 Lexus Es300 2.5PH/HD/SL/4DR/5S 2014 P Sedan \n", "4 8825 Volkswagen Passat R36 6DSG SEDAN 2009 P Sedan \n", "\n", " H I J ... Z \\\n", "0 69644.0 Free 3 Year Mechanical Warranty & Roadside Assist 5dr ... NaN \n", "1 86100.0 Free 3 Year Mechanical Warranty & Roadside Assist 4dr ... NaN \n", "2 151799.0 Free 3 Year Mechanical Warranty & Roadside Assist 4dr ... NaN \n", "3 62101.0 NaN 4dr ... NaN \n", "4 136000.0 NaN 4dr ... NaN \n", "\n", " A1 B1 C1 D1 E1 F1 G1 H1 I1 \n", "0 8500.0 NaN NaN NaN NaN NaN NaN NaN NaN \n", "1 12500.0 NaN NaN NaN NaN NaN NaN NaN NaN \n", "2 12995.0 NaN NaN NaN NaN NaN NaN NaN NaN \n", "3 29995.0 NaN NaN NaN NaN NaN NaN NaN NaN \n", "4 14995.0 NaN NaN NaN NaN NaN NaN NaN NaN \n", "\n", "[5 rows x 35 columns]" ] }, "execution_count": 13, "metadata": {}, "output_type": "execute_result" } ], "source": [ "df1.head()" ] }, { "cell_type": "code", "execution_count": 22, "metadata": {}, "outputs": [ { "data": { "text/html": [ "
\n", "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
BCDEFGHIJKLMNOPQRST
50NissanFairlady350Z2003PHatchback169000.0NaN2drUManSILVER11995.0NaNNaNNaNVQ35-901845AZ33-015024GJY781
55NissanMaximaSt 3.0 Auto2003PSedan170000.0NaN4drUAutoSILVER4995.0NaNNaNNaNVQ30DE-567222JN1CCUA33A0112018BLQ886
\n", "
" ], "text/plain": [ " B C D E F G H I J K \\\n", "50 Nissan Fairlady 350Z 2003 P Hatchback 169000.0 NaN 2dr U \n", "55 Nissan Maxima St 3.0 Auto 2003 P Sedan 170000.0 NaN 4dr U \n", "\n", " L M N O P Q R S \\\n", "50 Man SILVER 11995.0 NaN NaN NaN VQ35-901845A Z33-015024 \n", "55 Auto SILVER 4995.0 NaN NaN NaN VQ30DE-567222 JN1CCUA33A0112018 \n", "\n", " T \n", "50 GJY781 \n", "55 BLQ886 " ] }, "execution_count": 22, "metadata": {}, "output_type": "execute_result" } ], "source": [ "df1[df1['E']==2003].iloc[:,1:20]" ] }, { "cell_type": "code", "execution_count": 23, "metadata": {}, "outputs": [ { "data": { "text/html": [ "
\n", "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
ABCDEFGHIJ...ZA1B1C1D1E1F1G1H1I1
28573FordTerritoryTx Awd 7 SEATER2005PStation Wagon151799.0Free 3 Year Mechanical Warranty & Roadside Assist4dr...NaN12995.0NaNNaNNaNNaNNaNNaNNaNNaN
219468FordFalconFG2 XR6 SEDAN A2012PSedan88000.0NaN5dr...NaN17995.0NaNNaNNaNNaNNaNNaNNaNNaN
329564FordFalconBA XT FA2005PSedan129500.0NaN4dr...NaN7995.0NaNNaNNaNNaNNaNNaNNaNNaN
479653FordFalconFG2 XR6 SEDAN A2012PSedan97500.0NaN4dr...NaN17990.0NaNNaNNaNNaNNaNNaNNaNNaN
599757FordRangerTD WILDTRAK 3.2D/4WD2015DUtility32800.0NaNDCAB...NaN45995.0NaNNaNNaNNaNNaNNaNNaNNaN
639783FordCourierNaN1999DUtility271000.0NaN5dr...NaN6995.0NaNNaNNaNNaNNaNNaNNaNNaN
799859FordFiesta5DR 1.6 A2008PHatchback67000.0NaN5dr...NaN7995.0NaNNaNNaNNaNNaNNaNNaNNaN
809865FordRanger3.2TD XLT DC W/S 4X42013DUtility210000.0NaNUte...NaN27995.0NaNNaNNaNNaNNaNNaNNaNNaN
829884FordMondeo2.3P AUTO2014PSedan78000.0NaN4dr...NaN13995.0NaNNaNNaNNaNNaNNaNNaNNaN
909905FordKugaTREND AWD PETROL 2.02015PHatchback31585.0NaN5dr...NaN24990.0NaNNaNNaNNaNNaNNaNNaNNaN
999670FordRangerXLT DOUBLE CAB W/S 32015DUtility74300.0NaNDCAB...NaN37990.0NaNNaNNaNNaNNaNNaNNaNNaN
1009697FordRangerXLT DOUBLE CAB W/S A2016DUtility80000.0NaNUte...NaN42995.0NaNNaNNaNNaNNaNNaNNaNNaN
1029777FordRangerFX4 DOUBLE CAB W/SA2017DUtility56942.0NaNDCAB...NaN49990.0NaNNaNNaNNaNNaNNaNNaNNaN
\n", "

13 rows × 35 columns

\n", "
" ], "text/plain": [ " A B C D E F G \\\n", "2 8573 Ford Territory Tx Awd 7 SEATER 2005 P Station Wagon \n", "21 9468 Ford Falcon FG2 XR6 SEDAN A 2012 P Sedan \n", "32 9564 Ford Falcon BA XT FA 2005 P Sedan \n", "47 9653 Ford Falcon FG2 XR6 SEDAN A 2012 P Sedan \n", "59 9757 Ford Ranger TD WILDTRAK 3.2D/4WD 2015 D Utility \n", "63 9783 Ford Courier NaN 1999 D Utility \n", "79 9859 Ford Fiesta 5DR 1.6 A 2008 P Hatchback \n", "80 9865 Ford Ranger 3.2TD XLT DC W/S 4X4 2013 D Utility \n", "82 9884 Ford Mondeo 2.3P AUTO 2014 P Sedan \n", "90 9905 Ford Kuga TREND AWD PETROL 2.0 2015 P Hatchback \n", "99 9670 Ford Ranger XLT DOUBLE CAB W/S 3 2015 D Utility \n", "100 9697 Ford Ranger XLT DOUBLE CAB W/S A 2016 D Utility \n", "102 9777 Ford Ranger FX4 DOUBLE CAB W/SA 2017 D Utility \n", "\n", " H I J ... \\\n", "2 151799.0 Free 3 Year Mechanical Warranty & Roadside Assist 4dr ... \n", "21 88000.0 NaN 5dr ... \n", "32 129500.0 NaN 4dr ... \n", "47 97500.0 NaN 4dr ... \n", "59 32800.0 NaN DCAB ... \n", "63 271000.0 NaN 5dr ... \n", "79 67000.0 NaN 5dr ... \n", "80 210000.0 NaN Ute ... \n", "82 78000.0 NaN 4dr ... \n", "90 31585.0 NaN 5dr ... \n", "99 74300.0 NaN DCAB ... \n", "100 80000.0 NaN Ute ... \n", "102 56942.0 NaN DCAB ... \n", "\n", " Z A1 B1 C1 D1 E1 F1 G1 H1 I1 \n", "2 NaN 12995.0 NaN NaN NaN NaN NaN NaN NaN NaN \n", "21 NaN 17995.0 NaN NaN NaN NaN NaN NaN NaN NaN \n", "32 NaN 7995.0 NaN NaN NaN NaN NaN NaN NaN NaN \n", "47 NaN 17990.0 NaN NaN NaN NaN NaN NaN NaN NaN \n", "59 NaN 45995.0 NaN NaN NaN NaN NaN NaN NaN NaN \n", "63 NaN 6995.0 NaN NaN NaN NaN NaN NaN NaN NaN \n", "79 NaN 7995.0 NaN NaN NaN NaN NaN NaN NaN NaN \n", "80 NaN 27995.0 NaN NaN NaN NaN NaN NaN NaN NaN \n", "82 NaN 13995.0 NaN NaN NaN NaN NaN NaN NaN NaN \n", "90 NaN 24990.0 NaN NaN NaN NaN NaN NaN NaN NaN \n", "99 NaN 37990.0 NaN NaN NaN NaN NaN NaN NaN NaN \n", "100 NaN 42995.0 NaN NaN NaN NaN NaN NaN NaN NaN \n", "102 NaN 49990.0 NaN NaN NaN NaN NaN NaN NaN NaN \n", "\n", "[13 rows x 35 columns]" ] }, "execution_count": 23, "metadata": {}, "output_type": "execute_result" } ], "source": [ "d" ] }, { "cell_type": "code", "execution_count": 24, "metadata": {}, "outputs": [ { "data": { "text/plain": [ "A 168\n", "B 168\n", "C 168\n", "D 159\n", "E 168\n", "F 168\n", "G 168\n", "H 164\n", "I 5\n", "J 168\n", "K 162\n", "L 157\n", "M 167\n", "N 168\n", "O 17\n", "P 0\n", "Q 0\n", "R 163\n", "S 168\n", "T 143\n", "U 103\n", "V 103\n", "W 168\n", "X 168\n", "Y 168\n", "Z 0\n", "A1 168\n", "B1 1\n", "C1 1\n", "D1 1\n", "E1 1\n", "F1 0\n", "G1 0\n", "H1 0\n", "I1 0\n", "dtype: int64" ] }, "execution_count": 24, "metadata": {}, "output_type": "execute_result" } ], "source": [ "df1.count()" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [], "source": [] } ], "metadata": { "kernelspec": { "display_name": "Python 3", "language": "python", "name": "python3" }, "language_info": { "codemirror_mode": { "name": "ipython", "version": 3 }, "file_extension": ".py", "mimetype": "text/x-python", "name": "python", "nbconvert_exporter": "python", "pygments_lexer": "ipython3", "version": "3.6.6" } }, "nbformat": 4, "nbformat_minor": 2 }