Python pandas.read_csv函数方法的使用

参数:

filepath_or_buffer：str，path对象或类文件

对象任何有效的字符串路径

都是可接字符串可以是URL。

有效的URL方案包括http，ftp，s3和file。

对于文件URL，需要host。

本地文件可以是：file://localhost/path/to/table.csv。

 如果要传入路径对象，pandas接受pathlib.Path

或py._path.local.LocalPath。

 通过类似文件的对象，我们使用read()方法引用对象，

例如文件处理程序（例如，通过内置的open函数）或StringIO。

 sep：str，默认'，' 分隔符使用。如果sep为None，

则C引擎无法自动检测分隔符，但Python解析引擎可以，

这意味着后者将被使用并通过Python的内置嗅探器工具

csv.Sniffer自动检测分隔符。

此外，长度超过1个字符且与'\ s +'不同的分隔符

将被解释为正则表达式，

并且还将强制使用Python解析引擎。请注意，

正则表达式分隔符很容易忽略引用的数据。

正则表达式示例：'\ r \ t'。 

delimiter：str，默认 None 别名为sep。

header：int，int列表，默认'infer' 

用作列名的行号和数据的开头。

默认行为是推断列名称：如果没有传递名称，

则行为与header = 0相同，

并且从文件的第一行推断列名称，如果显式传递列名，

则行为与header = None相同。显式传递

header = 0以便能够替换现有名称。

标题可以是整数列表，其指定列上的多索引的行位置，

例如， [0,1,3]。将跳过未指定的行

（例如，跳过此示例中的2）。

请注意，此参数忽略注释行和空行if skip_blank_lines = True，

因此header = 0表示第一行数据而不是文件的第一行。

names：array-like，可选 要使用的列名列表。

如果文件不包含标题行，

则应显式传递header = None。

此列表中的重复项将导致发出UserWarning。

 index_col：int，sequence或bool，

可选 用作DataFrame的行标签的列。

如果给出序列，则使用MultiIndex。

如果在每行末尾有一个带有分隔符的格式错误的文件，

您可能会考虑使用index_col = False

来强制pandas不使用第一列作为索引（行名称）。 

usecols：list-like或callable，optional 返回列的子集。

如果类似列表，则所有元素必须是位置（即文档列中的整数索引）

或与用户名称或从文档标题行推断的列名对应的字符串。

例如，有效的类似列表的usecols参数将是[0,1,2]

或['foo'，'bar'，'baz']。

元素顺序被忽略，因此usecols = [0,1]与[1,0]相同。

要从保留了元素顺序的数据中实例化DataFrame，

请使用pd.read_csv（data，usecols = ['foo'，'bar']）[['foo'，'bar']]

作为['foo'，'bar']中的列的顺序或

orpd.read_csv（data，usecols = ['foo'，'bar']）[['bar'，'foo']]

为['bar'，'foo']顺序。

 如果是可调用的，则将根据列名评估可调用函数，

返回可调用函数求值为True的名称。

有效可调用参数的一个例子是

['AAA'，'BBB'，'DDD']中的lambda x：x.upper()。

使用此参数可以大大加快解析时间并降低内存使用率。

squeeze：bool，默认为False 如果解析的数据只包含一列，

则返回一个Series。

prefix：str，可选 在没有标题时添加到列号的前缀，

例如'X'代表X0，X1，...... 

mangle_dupe_cols：bool，默认为True 

重复的列将被指定为'X'，'X.1'，...'X.N'，

而不是'X'...'X'。如果列中存在重复的名称，

则传入False将导致数据被覆盖。

dtype：列的名称或字典 -> type，optional 数据或列的数据类型。

例如， {'a'：np.float64，'b'：np.int32，'c'：'Int64'}

将str或object与合适的na_values

设置一起使用以保留和不解释dtype。

如果指定了转换器，则它们将应用于dtype转换的INSTEAD。

engine：{'c'，'python'}，可选 使用解析器引擎。

 C引擎速度更快，

而python引擎目前功能更加完善。

converters：dict，可选 用于转换某些列中的值的函数的字典。

键可以是整数或列标签。

true_values：list，optional 要视为True的值。

false_values：list，可选 要考虑为False的值。

skipinitialspace：bool，默认为False分隔符后跳过空格。 

skiprows：list-like，int或callable，optional 要在文件开头跳过

（0索引）或要跳过的行数（int）的行号。 

如果是可调用的，则将根据行索引计算可调用函数，

如果应该跳过该行则返回True，否则返回False。

有效可调参数的一个例子是[0,2]中的lambda x：x。

skipfooter：int，默认值为0 要跳过的文件底部的行数

（不支持engine ='c'）。 

nrows：int，可选 要读取的文件行数。用于读取大文件。 

na_values：标量，str，list-like或dict，

可选 要识别为NA / NaN的其他字符串。

如果dict通过，则具体的每列NA值。默认情况下，

以下值被解释为NaN：‘’, ‘#N/A’, ‘#N/A N/A’, 

‘#NA’, ‘-1.#IND’, ‘-1.#QNAN’, 

‘-NaN’, ‘-nan’, ‘1.#IND’, ‘1.#QNAN’, ‘N/A’, 

‘NA’, ‘NULL’, ‘NaN’, ‘n/a’, ‘nan’, ‘null’。

keep_default_na：bool，默认为True

解析数据时是否包含默认NaN值。

根据是否传入na_values，行为如下： 

如果keep_default_na为True，

并且指定了na_values，则na_values

将附加到用于解析的默认NaN值。

 如果keep_default_na为True，并且未指定na_values，

则仅使用默认NaN值进行解析。

 如果keep_default_na为False，并且指定了na_values，

则仅使用指定的NaN值na_values进行解析。

 如果keep_default_na为False，并且未指定na_values，

则不会将任何字符串解析为NaN。

 请注意，如果将na_filter作为False传入，

则将忽略keep_default_na和na_values参数。

 na_filter：bool，默认为True检测缺失值标记

（空字符串和na_values的值）。

在没有任何NA的数据中，传递na_filter = False

可以提高读取大文件的性能。

 verbose：bool，默认为False

指示放置在非数字列中的NA值的数量。 

skip_blank_lines：bool，默认为True 如果为True，

则跳过空行而不是解释为NaN值。、

parse_dates：bool或int或名称列表或列表或dict列表，

默认为False 

行为如下：

1）布尔值。如果为True  ->尝试解析索引。 

2）int或名称列表。例如，

如果[1,2,3]  ->尝试将每个列1,2,3解析

为一个单独的日期列。

3）列表清单。例如，

如果[[1,3]]  ->将第1列和第3列组合在一起

并解析为单个日期列。 

4）dict，例如，{'foo'：[1,3]}  ->将第1,3列解析为日期

并调用结果'foo' 

如果列或索引不能表示为日期时间数组，例如由于不可解析的值

或时区的混合，

则列或索引将作为对象数据类型以不变的方式返回。

对于非标准日期时间解析，

请在pd.read_csv之后使用pd.to_datetime。

要使用时区混合解析索引或列，

请将date_parser指定为部分应用的pandas.to_datetime()，

其中utc = True。

有关详细信息，请参阅使用混合时区解析CSV。 

注意：iso8601格式的日期存在快速路径。 

infer_datetime_format：bool，默认为False 

如果启用了True和parse_dates，

pandas将尝试推断列中日期时间字符串的格式，

如果可以推断，

请切换到更快的解析方法。在某些情况下，

这可以将解析速度提高5-10倍。

 keep_date_col：bool，默认为False 

如果True和parse_dates指定组合多个列，

则保留原始列。 

date_parser：function，optional 用于将字符串列序列转换为日期

时间实例数组的函数。

默认使用dateutil.parser.parser进行转换。

 Pandas将尝试以三种不同的方式调用date_parser，

如果发生异常则前进到下一个：

1）将一个或多个数组（由parse_dates定义）作为参数传递; 

2）将parse_datesin定义的列中的字符串值连接（逐行）到单个数组并传递; 

3）使用一个或多个字符串（对应于parse_dates定义的列）作为参数，

为每一行调用date_parser一次。 

dayfirst：bool，默认为False DD / MM格式日期，国际和欧洲格式。

iterator：bool，默认为False 返回TextFileReader

对象以进行迭代或使用get_chunk()获取块。 

chunksize：int，可选 返回TextFileReader对象以进行迭代。

有关iterator和chunksize的更多信息，请参阅IO Tools文档。 

compression：{‘infer’, ‘gzip’, ‘bz2’, ‘zip’, ‘xz’, None}，

、默认'infer' 用于磁盘上数据的即时解压缩。

如果'infer'和filepath_or_buffer类似于路径，

则从以下扩展中检测压缩：

‘.gz’, ‘.bz2’, ‘.zip’, or ‘.xz’（否则无解压缩）。

如果使用'zip'，

则ZIP文件必须只包含一个要读入的数据文件。

设置为None表示不进行解压缩。 版本0.18.1中的新功能：

支持'zip'和'xz'压缩。

thousands：str，可选 Thousands separator.。 

decimal：str，默认'.' 要识别为小数点的字符

（例如，对于欧洲数据使用‘,’ ）。 

lineterminator：str（长度为1），可选 将文件分成行的字符。

仅对C解析器有效。 

quotechar：str（长度为1），可选 用于表示引用项目的开头

和结尾的字符。

引用的项目可以包括分隔符，它将被忽略。

quoting：int或csv.QUOTE_ *实例，默认为0 每个csv.QUOTE_ *

常量的控制字段引用行为。

使用QUOTE_MINIMAL(0)，QUOTE_ALL(1)，QUOTE_NONNUMERIC(2)

或QUOTE_NONE(3)之一。 

doublequote：bool，默认为True 如果指定了quotechar

且引用不是QUOTE_NONE，

请指明是否将一个字段中的两个连续的quotechar

元素解释为单个quotecharelement。 

escapechar：str（长度为1），可选 

用于转义其他字符的单字符字符串。 

comment：str，可选 表示不应解析行的剩余部分。

如果在行的开头找到，

则该行将被完全忽略。此参数必须是单个字符。

与空行一样（只要skip_blank_lines = True），

参数标题将忽略完全注释的行，但不会被跳过。

例如，如果comment ='＃'，使用header = 0解析

＃empty \na,b,c \n1,2,3

将导致'a，b，c'被视为标题。 

encoding：str，可选 编码以在读/写时使用UTF（例如'utf-8'）。

 Python标准编码列表。 

dialect：str或csv.Dialect，可选 如果提供，

此参数将覆盖以下参数的值（默认值或不默认值）：

delimiter，doublequote，escapechar，

skipinitialspace，quotechar和quoting。

如果需要覆盖值，则会发出ParserWarning。有关更多详细信息，

请参阅csv.Dialect文档。

tupleize_cols：bool，默认为False 按原样在列上保留元组列表

（默认是在列上转换为MultiIndex）。

 自版本0.21.0后不推荐使用：此参数将被删除，

并始终转换为MultiIndex 

error_bad_lines：bool，默认为True 具有太多字段的行

（例如，带有太多逗号的csv行）将默认导致引发异常，

并且不会返回任何DataFrame。如果为False，

那么这些“坏行”将从返回的DataFrame中删除。 

warn_bad_lines：bool，默认为True 

如果error_bad_lines为False，

并且warn_bad_lines为True，则将输出每个“bad line”的警告。 

delim_whitespace：bool，默认为False 指定是否将空格

（例如'' 或'    '）用作sep。

相当于设置sep ='\ s +'。如果此选项设置为True，

则不应为delimiter参数传递任何内容。 

版本0.18.1中的新增功能：支持Python解析器。 

low_memory：bool，默认为True 以块的形式内部处理文件，

导致在解析时使用较少的内存，

但可能是混合类型推断。要确保没有混合类型，

请设置False，

或使用dtype参数指定类型。请注意，

整个文件都被读入单个DataFrame中，

使用chunksize或iterator参数以块的形式返回数据。 

（仅对C解析器有效）。 

memory_map：bool，默认为False

如果为filepath_or_buffer提供了文件路径，

则将文件对象直接映射到内存并直接从那里访问数据。 

使用此选项可以提高性能，因为不再有任何I / O开销。 

float_precision：str，可选 

指定C引擎应该将哪个转换器用于浮点值。 

普通转换器的选项为None，高精度转换器的选项为高，

往返转换器的选项为round_trip。

返回:

DataFrame或TextParser逗号分隔值（csv）文件

作为具有标记轴的二维数据结构返回。