Python cudf.read_csv用法及代码示例

用法:
cudf.read_csv(filepath_or_buffer, lineterminator='\n', quotechar='"', quoting=0, doublequote=True, header='infer', mangle_dupe_cols=True, usecols=None, sep=',', delimiter=None, delim_whitespace=False, skipinitialspace=False, names=None, dtype=None, skipfooter=0, skiprows=0, dayfirst=False, compression='infer', thousands=None, decimal='.', true_values=None, false_values=None, nrows=None, byte_range=None, skip_blank_lines=True, parse_dates=None, comment=None, na_values=None, keep_default_na=True, na_filter=True, prefix=None, index_col=None, use_python_file_object=True, **kwargs)

将comma-seperated-values (CSV) 数据集加载到 DataFrame 中

参数：

filepath_or_buffer：str、路径对象或 file-like 对象: 文件路径(str , pathlib.Path 或 py._path.local.LocalPath)、URL(包括 http、ftp 和 S3 位置)或具有 read() 方法的任何对象(例如内置的 open() 文件处理函数或StringIO)。
sep：字符，默认“，”: 要使用的分隔符。
delimiter：字符，默认无: sep 的替代参数名称。
delim_whitespace：布尔值，默认为 False: 确定是否使用空格作为分隔符。
lineterminator：字符，默认 ‘n’: 表示行尾的字符。
skipinitialspace：布尔值，默认为 False: 分隔符后跳过空格。
names：str 列表，默认无: 要使用的列名列表。
dtype：type, str, list of types, or dict of column -> type, default None: 数据或列的数据类型。如果dtype 是类型/字符串，则所有列都映射到传递的特定类型。如果是列表，则类型的应用顺序与列名相同。如果是 dict，则类型映射到列名。例如： {‘a’: np.float64, ‘b’: int32, ‘c’: ‘float’} 如果 None ，则从数据集中推断数据类型。使用 str 来保存数据，而不是推断或解释为 dtype。
quotechar：字符，默认''': 指示引号项目开始和结束的字符。
quoting：str 或 int，默认 0: 控制引用行为。设置为 0 (csv.QUOTE_MINIMAL)、1 (csv.QUOTE_ALL)、2 (csv.QUOTE_NONNUMERIC) 或 3 (csv.QUOTE_NONE) 之一。对除 3 之外的所有值启用引用。
doublequote：布尔值，默认为真: 启用引号时，指示是否将字段内的两个连续引号字符解释为单引号字符
header：整数，默认 ‘infer’: 用作列名的行号。默认行为是推断列名：如果没有传递名称，则 header=0；如果列名被显式传递，header=None。
usecols：int 或 str 列表，默认无: 返回列表中给定列的子集。所有元素必须是整数索引(列号)或对应于列名的字符串
mangle_dupe_cols：布尔值，默认 True: 重复的列将被指定为“X”、“X.1”、...“X.N”。
skiprows：整数，默认 0: 从文件开头跳过的行数。
skipfooter：整数，默认 0: 文件底部要跳过的行数。
compression：{‘infer’, ‘gzip’, ‘zip’, 无}，默认 ‘infer’: 用于on-disk 数据的即时解压缩。如果‘infer’，则从以下扩展名中检测压缩：'.gz'，'.zip'(否则不解压缩)。如果使用‘zip’，ZIP 文件必须只包含一个要读入的数据文件，否则将使用第一个非零大小的文件。设置为无表示不解压。
decimal：字符，默认“。”: 用作小数点的字符。
thousands：字符，默认无: 用作千位分隔符的字符。
true_values：列表，默认无: 考虑为布尔值的值 True
false_values：列表，默认无: 考虑为布尔值的值 False
nrows：整数，默认无: 如果指定，则要读取的最大行数
byte_range：列表或元组，默认无: 要读取的输入文件中的字节范围。第一个数字是以字节为单位的偏移量，第二个数字是以字节为单位的范围大小。将大小设置为零以读取偏移位置之后的所有数据。读取在范围结束之前或结束处开始的行，即使它在范围结束之后结束。
skip_blank_lines：布尔值，默认为真: 如果为 True，则丢弃并且不解析空行如果为 False，则将空行解释为 NaN 值
parse_dates：int 或名称列表，默认无: 如果是列列表，则尝试将每个条目解析为日期。列可能并不总是被识别为日期，例如由于异常或非标准格式。要保证日期并提高解析速度，请为所需列显式指定dtype=’date’。
comment：字符，默认无: 用作评论指示符的字符。如果在一行的开头找到，则该行将被完全忽略。
na_values：标量、str 或 list-like，可选: 要识别为空值的附加字符串。默认情况下，以下值被解释为空值：''、'#N/A'、'#N/AN/A'、'#NA'、'-1.#IND'、'-1.#QNAN'、 '-NaN'、'-nan'、'1.#IND'、'1.#QNAN'、'<NA>'、'N/A'、'NA'、'NULL'、'NaN'、'n /a'，‘nan’, ‘null’。
keep_default_na：布尔值，默认为真: 解析数据时是否包含默认的 NA 值。
na_filter：布尔值，默认为真: 检测缺失值(空字符串和na_values 中的值)。传递 False 可以提高性能。
prefix：str，默认无: 在没有标题行的情况下解析时添加到列号的前缀
index_col：int，字符串或假，默认无: 用作 DataFrame 的行标签的列。传递 index_col=False 显式禁用索引列推断并丢弃最后一列。
use_python_file_object：布尔值，默认 True: 如果为 True，则在 IO 时将使用Arrow-backed PythonFile 对象代替 fsspec AbstractBufferedFile 对象。从较大的 CSV 文件进行少量读取时，此选项可能会提高性能。

GPU DataFrame 对象。

注意：

cuDF 支持本地和远程数据存储。请参阅可用源这里的配置详细信息。

例子：

创建一个测试 csv 文件

>>> import cudf
>>> filename = 'foo.csv'
>>> lines = [
...   "num1,datetime,text",
...   "123,2018-11-13T12:00:00,abc",
...   "456,2018-11-14T12:35:01,def",
...   "789,2018-11-15T18:02:59,ghi"
... ]
>>> with open(filename, 'w') as fp:
...     fp.write('\n'.join(lines)+'\n')

使用cudf.read_csv 读取文件

>>> cudf.read_csv(filename)
  num1                datetime text
0  123 2018-11-13T12:00:00.000 5451
1  456 2018-11-14T12:35:01.000 5784
2  789 2018-11-15T18:02:59.000 6117

相关用法

注：本文由纯净天空筛选整理自rapids.ai大神的英文原创作品 cudf.read_csv。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

注意：

例子：