这篇教程python中pandas.read_csv()函数的深入讲解写得很实用，希望能帮到您。
这里将更新最新的最全面的read_csv()函数功能以及参数介绍，参考资料来源于官网。 pandas库简介
官方网站里详细说明了pandas库的安装以及使用方法，在这里获取最新的pandas库信息，不过官网仅支持英文。 pandas是一个Python包，并且它提供快速，灵活和富有表现力的数据结构。这样当我们处理"关系"或"标记"的数据（一维和二维数据结构）时既容易又直观。 pandas是我们运用Python进行实际、真实数据分析的基础，同时它是建立在NumPy之上的。 csv文件格式简介
函数介绍
pandas.csv() 函数将逗号分离的值 （csv） 文件读入数据框架。还支持可选地将文件读入块或将其分解。 函数原型
源文件 pandas.read_csv(filepath_or_buffer, sep=, delimiter=None, header=‘infer', names=None, index_col=None, usecols=None, squeeze=False, prefix=None, mangle_dupe_cols=True, dtype=None, engine=None, converters=None, true_values=None, false_values=None, skipinitialspace=False, skiprows=None, skipfooter=0, nrows=None, na_values=None, keep_default_na=True, na_filter=True, verbose=False, skip_blank_lines=True, parse_dates=False, infer_datetime_format=False, keep_date_col=False, date_parser=None, dayfirst=False, cache_dates=True, iterator=False, chunksize=None, compression=‘infer', thousands=None, decimal='.', lineterminator=None, quotechar='"', quoting=0, doublequote=True, escapechar=None, comment=None, encoding=None, dialect=None, error_bad_lines=True, warn_bad_lines=True, delim_whitespace=False, low_memory=True, memory_map=False, float_precision=None, storage_options=None
函数参数以及含义 输入 | 参数名 | 功能以及含义 | | filepath_or_buffer | 字符串。任何有效的字符串路径都可以，网址也行。 | | sep | 字符串，表示分隔符，默认为',' .。一个字符及以上都可以，注意如果是转义字符要加'' | | delimiter | 字符串，sep的别名，默认None | | header | int或者int列表，默认由推断出来。这是用于规定列名的行号。 | | names | 类似于数组结构，选择性使用。这是要使用的列名称列表，与header共同使用。 | | index_col | 整数或者字符串或者整数/字符串列表。指定用作的行标签的列。 | | usecols | 列表，可用可不用。功能是返回列的子集。 | | squeeze | 布尔值，默认为False。如果解析的数据仅包含一列，则返回一个Series | | prefix | 字符串，选择性使用。没有标题时要添加到列号的前缀 | | mangle_dupe_cols | 布尔值，默认为True。重复的列将被指定为“ X”，“ X.1”，……“ X.N”，而不是“ X”……“ X”。如果列中的名称重复，则False将导致数据被覆盖。 | | dtype | 类型名称或者类型列的字典，选择性使用。数据或列的数据类型。 | | engine | {‘c', ‘python'}，选择性使用。要使用的解析器引擎。C引擎速度更快，而python引擎当前功能更完善。 | | converters | 字典，选择性使用。转换器，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_value | 列表，选择性使用。视为True的值 | | false_values | 列表，选择性使用。视为False的值 | | skipinitialspace | 布尔值，默认为False。在定界符后跳过空格。 | | skiprows | 列表或者整数，选择性使用。在文件开始处要跳过的行号（索引为0）或要跳过的行数（整数）。 | | skipfooter | 整数，默认为0。要跳过的文件底部的行数（不支持engine =‘c'）。 | | nrows | 整数，选择性使用。要读取的文件行数。对于读取大文件很有用。 | | na_values | 标量，字符串，类似列表的字典，选择性使用。识别为NA / NaN的其他字符串。如果dict通过，则为特定的每列NA值。默认情况下，以下值解释为NaN：''，'＃N / A'，'＃N / AN / A'，'＃NA'，'-1.＃IND'，'-1.＃QNAN'， ‘-NaN'，'-nan'，‘1.＃IND'，‘1.＃QNAN'，''，‘N / A'，‘NA'，‘NULL'，‘NaN'，‘n / a'，‘nan'，‘null'。 | | keep_default_na | 布尔值，默认为True。解析数据时是否包括默认的NaN值。 | | na_filter | 布尔值，默认为True。检测缺失值标记（空字符串和na_values的值）。请注意，如果将na_filter传递为False，则将忽略keep_default_na和 na_values参数。 | | verbose | 布尔值，默认为False。指示放置在非数字列中的NA值的数量。 | | skip_blank_lines | 布尔值，默认为True。如果为True，跳过空白行，并且不解释为NaN值。 | | parse_dates | 布尔值，整数列表，名称列表，列表或字典的列表。默认为False。功能是解析为时间。 | | infer_datetimes_format | 布尔值，默认为False。如果启用True和parse_dates，则pandas将尝试推断列中日期时间字符串的格式，并且如果可以推断出日期格式，就会切换到更快的解析它们的方法。 | | keep_date_col | 布尔值，默认为False。如果True和parse_dates指定合并多个列，则保留原始列。 | | date_parser | 函数，选择性使用。用于将字符串列序列转换为日期时间实例数组的函数。 | | dayfirst | 布尔值，默认为False。DD / MM格式的日期，国际和欧洲格式。 | | cache_dates | 布尔值，默认为True。如果为True，则使用唯一的转换日期缓存来应用datetime转换。 | | iterator | 布尔值，默认为False。返回TextFileReader对象以进行迭代或使用获取块 get_chunk()。 | | chunksize | 整数，选择性使用。返回TextFileReader对象以进行迭代。 | | compression | {‘infer', ‘gzip', ‘bz2', ‘zip', ‘xz', None}，默认为'infer'。用于对磁盘数据进行即时解压缩。设置为“无”将不进行解压缩。 | | thousands | 字符串，选择性使用。千位分隔符。 | | decimal | 字符串，默认为'.'。识别为小数点的字符（例如，对于欧洲数据，请使用“，”）。 | | lineterminator | 长度为1的字符串，选择性使用。用于将文件分成几行的字符。仅对C解析器有效。 | | quotechar | 长度为1的字符串，选择性使用。用于表示引用项目的开始和结束的字符。 | | quoting | 整数或者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）中的一种。 | | doublequote | 布尔值，默认为True。如果指定quotechar而未使用引号QUOTE_NONE，则指示是否将一个字段内的两个连续的quotechar元素解释为单个quotechar元素。 | | escapechar | 长度为1的字符串，选择性使用。 一字符字符串，用于转义其他字符。 | | comment | 字符串，选择性使用。指示不应分析行的其余部分。如果在一行的开头找到该行，则将完全忽略该行。此参数必须是单个字符。 | | encoding | 字符串，选择性使用。读/写时用于UTF的编码（例如'utf-8'）。 | | dialect | 字符串或者csv.Dialect，选择性使用。如果提供的话，该参数将覆盖为以下参数的值（默认或不）：delimiter, doublequote, escapechar, skipinitialspace, quotechar, and quoting。 | | error_bad_lines | 布尔值，默认为True。 默认情况下，具有太多字段的行（例如，带有太多逗号的csv行）将引发异常，并且不会返回任何DataFrame。如果为False，则这些“坏行”将从返回的DataFrame中删除。 | | warn_bad_lines | 布尔值，默认为True。如果error_bad_lines为False，而warn_bad_lines为True，则将为每个“坏行”输出警告。 | | delim_whiterspace | 布尔值，默认为False。指定是否将空格（例如或）用作分隔符。 | | low_memory | 布尔值，默认为True。在内部对文件进行分块处理，从而在解析时减少了内存使用。 | | memory_map | 布尔值，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中，然后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 | 字符串，选择性使用。指定C引擎应将哪个转换器用于浮点值。 | | storage_option | 字典，选择性使用。解析特殊的URL。如果为该参数提供非fsspec URL，则会引发错误。 | 返回 DataFrame：将逗号分隔值（csv）文件读取到DataFrame中。 函数使用实例
终端使用范例： >>>import pandas as pd>>>pd.read_csv('data.csv')代码行使用范例 #导入pandas库，并取别名为pdimport pandas as pd#books.csv与项目不在同一文件夹下使用绝对路径，分隔符为';'，出错的行直接跳过，编码方式使用"latin-1"，变量books是DataFrame数据结构books = pd.read_csv('D:/coder/python_program/Books.csv', sep=';', error_bad_lines = False, encoding="latin-1")#查看books的行和列print(books.shape)#查看print(list(books.columns))print(books.head())总结到此这篇关于python中pandas.read_csv()函数的文章就介绍到这了,更多相关python pandas.read_csv()函数内容请搜索51zixue.net以前的文章或继续浏览下面的相关文章希望大家以后多多支持51zixue.net！
Python requests库参数提交的注意事项总结
python编写函数注意事项总结 |
