您好,登錄后才能下訂單哦!
pandas.read_csv參數(shù)整理
讀取CSV(逗號(hào)分割)文件到DataFrame
也支持文件的部分導(dǎo)入和選擇迭代
更多幫助參見(jiàn):http://pandas.pydata.org/pandas-docs/stable/io.html
參數(shù):
filepath_or_buffer : str,pathlib。str, pathlib.Path, py._path.local.LocalPath or any object with a read() method (such as a file handle or StringIO)
可以是URL,可用URL類型包括:http, ftp, s3和文件。對(duì)于多文件正在準(zhǔn)備中
本地文件讀取實(shí)例:://localhost/path/to/table.csv
sep : str, default ‘,'
指定分隔符。如果不指定參數(shù),則會(huì)嘗試使用逗號(hào)分隔。分隔符長(zhǎng)于一個(gè)字符并且不是‘\s+',將使用python的語(yǔ)法分析器。并且忽略數(shù)據(jù)中的逗號(hào)。正則表達(dá)式例子:'\r\t'
delimiter : str, default None
定界符,備選分隔符(如果指定該參數(shù),則sep參數(shù)失效)
delim_whitespace : boolean, default False.
指定空格(例如' ‘或者' ‘)是否作為分隔符使用,等效于設(shè)定sep='\s+'。如果這個(gè)參數(shù)設(shè)定為Ture那么delimiter 參數(shù)失效。
在新版本0.18.1支持
header : int or list of ints, default ‘infer'
指定行數(shù)用來(lái)作為列名,數(shù)據(jù)開始行數(shù)。如果文件中沒(méi)有列名,則默認(rèn)為0,否則設(shè)置為None。如果明確設(shè)定header=0 就會(huì)替換掉原來(lái)存在列名。header參數(shù)可以是一個(gè)list例如:[0,1,3],這個(gè)list表示將文件中的這些行作為列標(biāo)題(意味著每一列有多個(gè)標(biāo)題),介于中間的行將被忽略掉(例如本例中的2;本例中的數(shù)據(jù)1,2,4行將被作為多級(jí)標(biāo)題出現(xiàn),第3行數(shù)據(jù)將被丟棄,dataframe的數(shù)據(jù)從第5行開始。)。
注意:如果skip_blank_lines=True 那么header參數(shù)忽略注釋行和空行,所以header=0表示第一行數(shù)據(jù)而不是文件的第一行。
names : array-like, default None
用于結(jié)果的列名列表,如果數(shù)據(jù)文件中沒(méi)有列標(biāo)題行,就需要執(zhí)行header=None。默認(rèn)列表中不能出現(xiàn)重復(fù),除非設(shè)定參數(shù)mangle_dupe_cols=True。
index_col : int or sequence or False, default None
用作行索引的列編號(hào)或者列名,如果給定一個(gè)序列則有多個(gè)行索引。
如果文件不規(guī)則,行尾有分隔符,則可以設(shè)定index_col=False 來(lái)是的pandas不適用第一列作為行索引。
usecols : array-like, default None
返回一個(gè)數(shù)據(jù)子集,該列表中的值必須可以對(duì)應(yīng)到文件中的位置(數(shù)字可以對(duì)應(yīng)到指定的列)或者是字符傳為文件中的列名。例如:usecols有效參數(shù)可能是 [0,1,2]或者是 [‘foo', ‘bar', ‘baz']。使用這個(gè)參數(shù)可以加快加載速度并降低內(nèi)存消耗。
as_recarray : boolean, default False
不贊成使用:該參數(shù)會(huì)在未來(lái)版本移除。請(qǐng)使用pd.read_csv(...).to_records()替代。
返回一個(gè)Numpy的recarray來(lái)替代DataFrame。如果該參數(shù)設(shè)定為True。將會(huì)優(yōu)先squeeze參數(shù)使用。并且行索引將不再可用,索引列也將被忽略。
squeeze : boolean, default False
如果文件值包含一列,則返回一個(gè)Series
prefix : str, default None
在沒(méi)有列標(biāo)題時(shí),給列添加前綴。例如:添加‘X' 成為 X0, X1, ...
mangle_dupe_cols : boolean, default True
重復(fù)的列,將‘X'...'X'表示為‘X.0'...'X.N'。如果設(shè)定為false則會(huì)將所有重名列覆蓋。
dtype : Type name or dict of column -> type, default None
每列數(shù)據(jù)的數(shù)據(jù)類型。例如 {‘a(chǎn)': np.float64, ‘b': np.int32}
engine : {‘c', ‘python'}, optional
Parser engine to use. The C engine is faster while the python engine is currently more feature-complete.
使用的分析引擎??梢赃x擇C或者是python。C引擎快但是Python引擎功能更加完備。
converters : dict, default None
列轉(zhuǎn)換函數(shù)的字典。key可以是列名或者列的序號(hào)。
true_values : list, default None
Values to consider as True
false_values : list, default None
Values to consider as False
skipinitialspace : boolean, default False
忽略分隔符后的空白(默認(rèn)為False,即不忽略).
skiprows : list-like or integer, default None
需要忽略的行數(shù)(從文件開始處算起),或需要跳過(guò)的行號(hào)列表(從0開始)。
skipfooter : int, default 0
從文件尾部開始忽略。 (c引擎不支持)
skip_footer : int, default 0
不推薦使用:建議使用skipfooter ,功能一樣。
nrows : int, default None
需要讀取的行數(shù)(從文件頭開始算起)。
na_values : scalar, str, list-like, or dict, default None
一組用于替換NA/NaN的值。如果傳參,需要制定特定列的空值。默認(rèn)為‘1.#IND', ‘1.#QNAN', ‘N/A', ‘NA', ‘NULL', ‘NaN', ‘nan'`.
keep_default_na : bool, default True
如果指定na_values參數(shù),并且keep_default_na=False,那么默認(rèn)的NaN將被覆蓋,否則添加。
na_filter : boolean, default True
是否檢查丟失值(空字符串或者是空值)。對(duì)于大文件來(lái)說(shuō)數(shù)據(jù)集中沒(méi)有空值,設(shè)定na_filter=False可以提升讀取速度。
verbose : boolean, default False
是否打印各種解析器的輸出信息,例如:“非數(shù)值列中缺失值的數(shù)量”等。
skip_blank_lines : boolean, default True
如果為True,則跳過(guò)空行;否則記為NaN。
parse_dates : boolean or list of ints or names or list of lists or dict, default False
infer_datetime_format : boolean, default False
如果設(shè)定為True并且parse_dates 可用,那么pandas將嘗試轉(zhuǎn)換為日期類型,如果可以轉(zhuǎn)換,轉(zhuǎn)換方法并解析。在某些情況下會(huì)快5~10倍。
keep_date_col : boolean, default False
如果連接多列解析日期,則保持參與連接的列。默認(rèn)為False。
date_parser : function, default None
用于解析日期的函數(shù),默認(rèn)使用dateutil.parser.parser來(lái)做轉(zhuǎn)換。Pandas嘗試使用三種不同的方式解析,如果遇到問(wèn)題則使用下一種方式。
1.使用一個(gè)或者多個(gè)arrays(由parse_dates指定)作為參數(shù);
2.連接指定多列字符串作為一個(gè)列作為參數(shù);
3.每行調(diào)用一次date_parser函數(shù)來(lái)解析一個(gè)或者多個(gè)字符串(由parse_dates指定)作為參數(shù)。
dayfirst : boolean, default False
DD/MM格式的日期類型
iterator : boolean, default False
返回一個(gè)TextFileReader 對(duì)象,以便逐塊處理文件。
chunksize : int, default None
文件塊的大小, See IO Tools docs for more informationon iterator and chunksize.
compression : {‘infer', ‘gzip', ‘bz2', ‘zip', ‘xz', None}, default ‘infer'
直接使用磁盤上的壓縮文件。如果使用infer參數(shù),則使用 gzip, bz2, zip或者解壓文件名中以‘.gz', ‘.bz2', ‘.zip', or ‘xz'這些為后綴的文件,否則不解壓。如果使用zip,那么ZIP包中國(guó)必須只包含一個(gè)文件。設(shè)置為None則不解壓。
新版本0.18.1版本支持zip和xz解壓
thousands : str, default None
千分位分割符,如“,”或者“."
decimal : str, default ‘.'
字符中的小數(shù)點(diǎn) (例如:歐洲數(shù)據(jù)使用',‘).
float_precision : string, default None
Specifies which converter the C engine should use for floating-point values. The options are None for the ordinary converter, high for the high-precision converter, and round_trip for the round-trip converter.
指定
lineterminator : str (length 1), default None
行分割符,只在C解析器下使用。
quotechar : str (length 1), optional
引號(hào),用作標(biāo)識(shí)開始和解釋的字符,引號(hào)內(nèi)的分割符將被忽略。
quoting : int or csv.QUOTE_* instance, default 0
控制csv中的引號(hào)常量。可選 QUOTE_MINIMAL (0), QUOTE_ALL (1), QUOTE_NONNUMERIC (2) or QUOTE_NONE (3)
doublequote : boolean, default True
雙引號(hào),當(dāng)單引號(hào)已經(jīng)被定義,并且quoting 參數(shù)不是QUOTE_NONE的時(shí)候,使用雙引號(hào)表示引號(hào)內(nèi)的元素作為一個(gè)元素使用。
escapechar : str (length 1), default None
當(dāng)quoting 為QUOTE_NONE時(shí),指定一個(gè)字符使的不受分隔符限值。
comment : str, default None
標(biāo)識(shí)著多余的行不被解析。如果該字符出現(xiàn)在行首,這一行將被全部忽略。這個(gè)參數(shù)只能是一個(gè)字符,空行(就像skip_blank_lines=True)注釋行被header和skiprows忽略一樣。例如如果指定comment='#' 解析‘#empty\na,b,c\n1,2,3' 以header=0 那么返回結(jié)果將是以'a,b,c'作為header。
encoding : str, default None
指定字符集類型,通常指定為'utf-8'. List of Python standard encodings
dialect : str or csv.Dialect instance, default None
如果沒(méi)有指定特定的語(yǔ)言,如果sep大于一個(gè)字符則忽略。具體查看csv.Dialect 文檔
tupleize_cols : boolean, default False
Leave a list of tuples on columns as is (default is to convert to a Multi Index on the columns)
error_bad_lines : boolean, default True
如果一行包含太多的列,那么默認(rèn)不會(huì)返回DataFrame ,如果設(shè)置成false,那么會(huì)將改行剔除(只能在C解析器下使用)。
warn_bad_lines : boolean, default True
如果error_bad_lines =False,并且warn_bad_lines =True 那么所有的“bad lines”將會(huì)被輸出(只能在C解析器下使用)。
low_memory : boolean, default True
分塊加載到內(nèi)存,再低內(nèi)存消耗中解析。但是可能出現(xiàn)類型混淆。確保類型不被混淆需要設(shè)置為False?;蛘呤褂胐type 參數(shù)指定類型。注意使用chunksize 或者iterator 參數(shù)分塊讀入會(huì)將整個(gè)文件讀入到一個(gè)Dataframe,而忽略類型(只能在C解析器中有效)
buffer_lines : int, default None
不推薦使用,這個(gè)參數(shù)將會(huì)在未來(lái)版本移除,因?yàn)樗闹翟诮馕銎髦胁煌扑]使用
compact_ints : boolean, default False
不推薦使用,這個(gè)參數(shù)將會(huì)在未來(lái)版本移除
如果設(shè)置compact_ints=True ,那么任何有整數(shù)類型構(gòu)成的列將被按照最小的整數(shù)類型存儲(chǔ),是否有符號(hào)將取決于use_unsigned 參數(shù)
use_unsigned : boolean, default False
不推薦使用:這個(gè)參數(shù)將會(huì)在未來(lái)版本移除
如果整數(shù)列被壓縮(i.e. compact_ints=True),指定被壓縮的列是有符號(hào)還是無(wú)符號(hào)的。
memory_map : boolean, default False
如果使用的文件在內(nèi)存內(nèi),那么直接map文件使用。使用這種方式可以避免文件再次進(jìn)行IO操作。
以上就是本文的全部?jī)?nèi)容,希望對(duì)大家的學(xué)習(xí)有所幫助,也希望大家多多支持億速云。
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。