Python pandas.read_csv用法及代碼示例

用法: pandas.read_csv(filepath_or_buffer, sep=NoDefault.no_default, delimiter=None, header='infer', names=NoDefault.no_default, index_col=None, usecols=None, squeeze=None, prefix=NoDefault.no_default, 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=None, 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, encoding_errors='strict', dialect=None, error_bad_lines=None, warn_bad_lines=None, on_bad_lines=None, delim_whitespace=False, low_memory=True, memory_map=False, float_precision=None, storage_options=None)

將逗號分隔值 (csv) 文件讀入 DataFrame。

還支持可選地將文件迭代或分解成塊。

更多幫助可以在 IO Tools 的在線文檔中找到。

參數：

filepath_or_buffer：str，路徑對象或file-like對象

任何有效的字符串路徑都是可接受的。該字符串可以是一個 URL。有效的 URL 方案包括 http、ftp、s3、gs 和文件。對於文件 URL，需要一個主機。本地文件可以是：file://localhost/path/to/table.csv。

如果你想傳入一個路徑對象，pandas 接受任何 os.PathLike 。

通過file-like 對象，我們指的是具有read() 方法的對象，例如文件句柄(例如通過內置open 函數)或StringIO。

sep：str，默認“，”

要使用的分隔符。如果 sep 為 None，C 引擎無法自動檢測分隔符，但 Python 解析引擎可以，這意味著將使用後者並通過 Python 的內置嗅探工具 csv.Sniffer 自動檢測分隔符。此外，長度超過 1 個字符且不同於 '\s+' 的分隔符將被解釋為正則表達式，並且還將強製使用 Python 解析引擎。請注意，正則表達式分隔符容易忽略引用的數據。正則表達式示例：'\r\t'。

delimiter：
str，默認 None

sep 的別名。

header：int，int 列表，無，默認 ‘infer’

用作列名的行號和數據的開頭。默認行為是推斷列名：如果沒有傳遞名稱，則行為與 header=0 相同，並且從文件的第一行推斷列名，如果顯式傳遞列名，則行為與 header=None 相同.顯式傳遞 header=0 以便能夠替換現有名稱。標題可以是一個整數列表，指定列上 multi-index 的行位置，例如[0,1,3]。未指定的中間行將被跳過(例如，此示例中的 2 被跳過)。請注意，如果 skip_blank_lines=True ，此參數將忽略注釋行和空行，因此 header=0 表示數據的第一行而不是文件的第一行。

names：array-like，可選

要使用的列名列表。如果文件包含標題行，則應顯式傳遞 header=0 以覆蓋列名。不允許在此列表中重複。

index_col：
int, str, int /str 的序列，或 False，可選，默認 None

用作 DataFrame 的行標簽的列，以字符串名稱或列索引的形式給出。如果給出了 int /str 序列，則使用 MultiIndex。

注意：index_col=False 可用於強製 pandas 不使用第一列作為索引，例如當您在每行末尾有一個帶有分隔符的格式錯誤的文件時。

usecols：list-like 或可調用，可選

返回列的子集。如果list-like，所有元素必須是位置元素(即文檔列的整數索引)或與用戶提供的列名相對應的字符串names或從文檔標題行推斷。如果names已給出，則不考慮文檔標題行。例如，有效的 list-likeusecols參數將是[0, 1, 2]或者['foo', 'bar', 'baz'].元素順序被忽略，所以usecols=[0, 1]是相同的[1, 0].實例化一個 DataFrame 從data保留元素順序使用pd.read_csv(data, usecols=['foo', 'bar'])[['foo', 'bar']]對於列['foo', 'bar']排序或pd.read_csv(data, usecols=['foo', 'bar'])[['bar', 'foo']]為了['bar', 'foo']命令。

如果可調用，則可調用函數將根據列名進行評估，返回可調用函數評估為 True 的名稱。一個有效的可調用參數的例子是 lambda x:x.upper() in ['AAA', 'BBB', 'DDD'] 。使用此參數會導致更快的解析時間和更低的內存使用量。

squeeze：布爾值，默認為 False

如果解析的數據隻包含一列，則返回一個係列。

prefix：str，可選

沒有標題時添加到列號的前綴，例如“X”代表 X0、X1、……

mangle_dupe_cols：布爾值，默認為真

重複的列將被指定為“X”、“X.1”、……“X.N”，而不是“X”……“X”。如果列中存在重複名稱，則傳入 False 將導致數據被覆蓋。

dtype：類型名稱或列的字典 -> 類型，可選

數據或列的數據類型。例如： {‘a’:np.float64, ‘b’:np.int32, ‘c’:‘Int64’} 使用 str 或 object 以及合適的 na_values 設置來保留而不是解釋 dtype。如果指定了轉換器，則將應用它們代替 dtype 轉換。

engine：{‘c’, ‘python’, ‘pyarrow’}，可選

要使用的解析器引擎。 C和pyarrow引擎更快，而python引擎目前更多feature-complete。目前僅 pyarrow 引擎支持多線程。

converters：字典，可選

用於轉換某些列中的值的函數的字典。鍵可以是整數或列標簽。

true_values：列表，可選

值視為 True。

false_values：列表，可選

要考慮為 False 的值。

skipinitialspace：布爾值，默認為 False

分隔符後跳過空格。

skiprows：list-like，int 或可調用，可選

文件開頭要跳過的行號(0-indexed)或要跳過的行數(int)。

如果可調用，可調用函數將根據行索引進行評估，如果應該跳過該行，則返回 True，否則返回 False。一個有效的可調用參數的例子是 lambda x:x in [0, 2] 。

skipfooter：整數，默認 0

要跳過的文件底部的行數(engine='c' 不支持)。

nrows：整數，可選

要讀取的文件行數。對於讀取大文件片段很有用。

na_values：標量、str、list-like 或 dict，可選

要識別為 NA/NaN 的附加字符串。如果 dict 通過，特定的 per-column NA 值。默認情況下，以下值被解釋為 NaN：''、'#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：布爾值，默認為真

解析數據時是否包含默認的 NaN 值。根據是否傳入na_values，行為如下：

如果 keep_default_na 為 True，並且指定了 na_values，則將 na_values 附加到用於解析的默認 NaN 值。
如果 keep_default_na 為 True，並且未指定 na_values，則僅使用默認的 NaN 值進行解析。
如果 keep_default_na 為 False，並且指定了 na_values，則僅使用指定的 NaN 值 na_values 進行解析。
如果 keep_default_na 為 False，並且未指定 na_values，則不會將任何字符串解析為 NaN。

請注意，如果 na_filter 作為 False 傳入，則 keep_default_na 和 na_values 參數將被忽略。

na_filter：布爾值，默認為真

檢測缺失值標記(空字符串和na_values 的值)。在沒有任何 NA 的數據中，傳遞 na_filter=False 可以提高讀取大文件的性能。

verbose：布爾值，默認為 False

指示放置在非數字列中的 NA 值的數量。

skip_blank_lines：布爾值，默認為真

如果為 True，則跳過空行而不是解釋為 NaN 值。

parse_dates：bool 或 int 列表或名稱或列表或 dict 列表，默認為 False

行為如下：

布爾值。如果 True -> 嘗試解析索引。
int 或名稱列表。例如如果 [1, 2, 3] -> 嘗試將第 1、2、3 列分別解析為單獨的日期列。
列表列表。例如如果 [[1, 3]] -> 合並第 1 列和第 3 列並解析為單個日期列。
字典，例如{‘foo’:[1, 3]} -> 將第 1、3 列解析為日期並調用結果 ‘foo’

如果列或索引不能表示為日期時間數組，例如由於不可解析的值或時區的混合，列或索引將作為對象數據類型原樣返回。對於非標準日期時間解析，請在 pd.read_csv 之後使用 pd.to_datetime 。要解析具有混合時區的索引或列，請將 date_parser 指定為 partially-applied pandas.to_datetime() 和 utc=True 。有關更多信息，請參閱使用混合時區解析 CSV。

注意：iso8601 格式的日期存在fast-path。

infer_datetime_format：布爾值，默認為 False

如果 True 和 parse_dates 被啟用，pandas 將嘗試推斷列中日期時間字符串的格式，如果可以推斷，則切換到更快的解析它們的方法。在某些情況下，這可以將解析速度提高 5-10 倍。

keep_date_col：布爾值，默認為 False

如果 True 和 parse_dates 指定合並多個列，則保留原始列。

date_parser：函數，可選

用於將字符串列序列轉換為日期時間實例數組的函數。默認使用dateutil.parser.parser 進行轉換。 Pandas 將嘗試以三種不同的方式調用 date_parser，如果發生異常則前進到下一種方式：1) 將一個或多個數組(由 parse_dates 定義)作為參數傳遞； 2) 將parse_dates 定義的列中的字符串值連接(按行)到單個數組中並傳遞它； 3) 使用一個或多個字符串(對應於 parse_dates 定義的列)作為參數為每一行調用一次 date_parser。

dayfirst：布爾值，默認為 False

DD/MM 格式日期，國際和歐洲格式。

cache_dates：布爾值，默認為真

如果為 True，則使用唯一的已轉換日期緩存來應用日期時間轉換。解析重複的日期字符串時可能會產生顯著的speed-up，尤其是具有時區偏移的字符串。

iterator：布爾值，默認為 False

返回 TextFileReader 對象以進行迭代或使用 get_chunk() 獲取塊。

chunksize：整數，可選

返回 TextFileReader 對象進行迭代。有關 iterator 和 chunksize 的更多信息，請參閱 IO 工具文檔。

compression：str 或 dict，默認 ‘infer’

用於on-disk 數據的即時解壓縮。如果 ‘infer’ 和 '%s' 是 path-like，則從以下擴展名中檢測壓縮：'.gz'、'.bz2'、'.zip'、'.xz' 或 '.zst'(否則沒有壓縮)。如果使用‘zip’，ZIP 文件必須隻包含一個要讀入的數據文件。設置為None無需減壓。也可以是帶鍵的字典'method'設置為 { 之一'zip','gzip','bz2','zstd'} 和其他鍵值對被轉發到zipfile.ZipFile,gzip.GzipFile,bz2.BZ2File，或者zstandard.ZstdDecompressor，分別。例如，可以使用自定義壓縮字典為 Zstandard 解壓縮傳遞以下內容：compression={'method':'zstd', 'dict_data':my_compression_dict}.

thousands：str，可選

千位分隔符。

decimal：str，默認“。”

識別為小數點的字符(例如，對歐洲數據使用“,”)。

lineterminator：str(長度 1)，可選

將文件分成幾行的字符。僅對 C 解析器有效。

quotechar：str(長度 1)，可選

用於表示引用項的開始和結束的字符。引用的項目可以包含分隔符，它將被忽略。

quoting：int 或 csv.QUOTE_* 實例，默認 0

每個 csv.QUOTE_* 常量的控製字段引用行為。使用 QUOTE_MINIMAL (0)、QUOTE_ALL (1)、QUOTE_NONNUMERIC (2) 或 QUOTE_NONE (3) 之一。

doublequote：
布爾值，默認 True

當指定quotechar 並且quoting 不是QUOTE_NONE 時，指示是否將字段內的兩個連續quotechar 元素解釋為單個quotechar 元素。

escapechar：str(長度 1)，可選

One-character 用於轉義其他字符的字符串。

comment：str，可選

指示不應解析行的其餘部分。如果在一行的開頭找到，則該行將被完全忽略。此參數必須是單個字符。與空行一樣(隻要 skip_blank_lines=True )，參數 header 會忽略完全注釋的行，但 skiprows 不會。例如，如果 comment='#' ，用 header=0 解析 #empty\na,b,c\n1,2,3 將導致“a,b,c”被視為標頭。

encoding：str，可選

讀取/寫入時用於 UTF 的編碼(例如“utf-8”)。 Python 標準編碼列表。

encoding_errors：str，可選，默認 “strict”

如何處理編碼錯誤。可能值列表。

dialect：str 或 csv.Dialect，可選

如果提供，此參數將覆蓋以下參數的值(默認與否)：delimiter、doublequote、escapechar、skipinitialspace、quotechar 和 quoting。如果需要覆蓋值，將發出 ParserWarning。有關更多詳細信息，請參閱 csv.Dialect 文檔。

error_bad_lines：
布爾，可選，默認 None

默認情況下，字段過多的行(例如，逗號過多的 csv 行)會引發異常，並且不會返回任何 DataFrame。如果為 False，那麽這些 “bad lines” 將從返回的 DataFrame 中刪除。

warn_bad_lines：
布爾，可選，默認 None

如果 error_bad_lines 為 False，並且 warn_bad_lines 為 True，則將輸出每個 “bad line” 的警告。

on_bad_lines：{‘error’, ‘warn’, ‘skip’} 或可調用，默認 ‘error’

指定遇到錯誤行(包含太多字段的行)時要執行的操作。允許的值為：

‘error’, raise an Exception when a bad line is encountered.

‘warn’, raise a warning when a bad line is encountered and skip that line.

‘skip’, skip bad lines without raising or warning when they are encountered.

delim_whitespace：布爾值，默認為 False

指定是否將空格(例如 ' ' 或 ' ' )用作 sep。相當於設置 sep='\s+' 。如果此選項設置為 True，則不應為 delimiter 參數傳遞任何內容。

low_memory：布爾值，默認為真

在內部以塊的形式處理文件，從而在解析時減少內存使用，但可能是混合類型推斷。要確保沒有混合類型，請設置 False，或使用 dtype 參數指定類型。請注意，無論如何，整個文件都被讀入單個 DataFrame，請使用 chunksize 或 iterator 參數以塊的形式返回數據。 (僅對 C 解析器有效)。

memory_map：布爾值，默認為 False

如果為 filepath_or_buffer 提供了文件路徑，則將文件對象直接映射到內存並直接從那裏訪問數據。使用此選項可以提高性能，因為不再有任何 I/O 開銷。

float_precision：str，可選

指定 C 引擎應對浮點值使用的轉換器。普通轉換器的選項是None 或‘high’，原始低精度 Pandas 轉換器的選項是‘legacy’，round-trip 轉換器的選項是‘round_trip’。

storage_options：字典，可選

對特定存儲連接有意義的額外選項，例如主機、端口、用戶名、密碼等。對於 HTTP(S) URL，鍵值對作為標頭選項轉發到 urllib。對於其他 URL(例如以 “s3://” 和 “gcs://” 開頭)，鍵值對被轉發到 fsspec 。有關詳細信息，請參閱fsspec 和urllib。

DataFrame 或 TextParser: 逗號分隔值 (csv) 文件作為帶有標簽軸的二維數據結構返回。

例子：

>>> pd.read_csv('data.csv')

相關用法

注：本文由純淨天空篩選整理自pandas.pydata.org大神的英文原創作品 pandas.read_csv。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。

用法:

參數：

返回：

例子：