精华内容
下载资源
问答
  • Pandas read_csv() 函数的 sep参数
    2021-11-05 17:03:55

    分隔符可以使用正则表达式赋值,比如:如果需要的有效分割符既有',',又有';',则可以使用

    df = pd.read_csv(file, sep = r'[,;]')

    来读取csv文件。

    更多相关内容
  • 主要介绍了pandas.read_csv参数详解(小结),文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
  • pandas.read_csv(filePath) 方法来读取csv文件时,可能会出现这种错误: ParserError:Error tokenizing data.C error:Expected 2 fields in line 407,saw 3. 是指在csv文件的第407行数据,期待2个字段,但在第407...
  • 今天小编就为大家分享一篇解决pandas read_csv 读取中文列标题文件报错的问题,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
  • pandas.read_csv()遇到读进来乱码问题 1.设置encoding=’gbk’或者encoding=’utf-8’。pandas.read_csv(‘data.csv’,encoding=’gbk’) 2.如果设置encoding直接报错的话 解决方法是:用记事本打开csv文件,另存为...
  • pandas文档中read_csv函数中这两个参数的描述,默认会将’-1.#IND’, ‘1.#QNAN’, ‘1.#IND’, ‘-1.#QNAN’, ‘#N/A N/A’,’#N/A’, ‘N/A’, ‘NA’, ‘#NA’, ‘NULL’, ‘NaN’, ‘-NaN’, ‘nan’, ‘-nan...
  • 如下: 数据文件: 上海机场 (sh600009) 24.11 3.58 ...在使用read_csv() API读取CSV文件时求取某一列数据比较大小时, df=pd.read_csv(output_file,encoding='gb2312',names=['a','b','c']) df
  • pandas read_csv参数index_col = None,0,False的区别

    千次阅读 多人点赞 2021-01-22 10:38:57
    前言 网上好多对index_col的解释都有点别扭,...而index_col是read_csv中的一个参数。用来指定表格的索引值。 来看下pandas官方文档是怎么定义index_col的: index_col : int, sequence or bool, optional Column t

    前言

    网上好多对index_col的解释都有点别扭,基本都是将False和None等同起来了。(都是重新设置一列成为index值),所以我去谷歌了解了一下。

    介绍

    pandas是python中的一个库,read_csv是pandas的读取csv数据的一个函数。而index_col是read_csv中的一个参数。用来指定表格的索引值

    来看下pandas官方文档是怎么定义index_col的:

    index_col : int, sequence or bool, optional

    Column to use as the row labels of the DataFrame. If a sequence is given, a MultiIndex is used. If you have a malformed file with delimiters at the end of each line, you might consider index_col=False to force pandas to not use the first column as the index (row names).

    解释一下: index_col的值有三种,整数型,序列,布尔,并且是可选的,默认是None

    如果您的文件格式不正确,每行末尾都有分隔符,则可以考虑使用index_col=false强制pandas不使用第一列作为索引(行名)

    区别

    在默认为None的时候,pandas会自动将第一列作为索引,并额外添加一列。所以大多我们会使用index_col=0,直接将第一列作为索引,不额外添加列。


    import io
    import pandas as pd
    t="""index,a,b
    hi,hello,pandas"""
    df = pd.read_csv(io.StringIO(t))
    print(df)
    

    上面是index_col为None的代码(默认为None),结果如下:

      index      a       b
    0    hi  hello  pandas
    

    可以看到多了一列,做为line label,也就是行号。


    来试下index_col为0的情况:

    import io
    import pandas as pd
    t="""index,a,b
    hi,hello,pandas"""
    df = pd.read_csv(io.StringIO(t),index_col = 0)
    print(df)
    

    输出如下(打印出现了错行,不过对写入文件没影响)

               a       b
    index
    hi     hello  pandas
    

    可以看到这时的line label就是第一列的值。


    知道了None和0的作用,那么False呢?其实上面的官方文档已经写了。

    假设你有一个格式错误的文件,哪里错了啊?
    文件的每行末尾都有分隔符。这就是格式错误的。

    那么就可以使用False来强制不使用第一列作为索引,同时丢弃最后一列。(因为末尾多了个分隔符,所以最后一列就是NaN)

    同样来看下演示:

    import io
    import pandas as pd
    t="""index,a,b
    hi,hello,pandas,"""
    df = pd.read_csv(io.StringIO(t),index_col = 0)
    print(df)
    df = pd.read_csv(io.StringIO(t),index_col = False)
    print(df)
    df = pd.read_csv(io.StringIO(t),index_col = None)
    print(df)
    

    我这里故意在定义t的时候,给pandas后面加了个逗号。看下结果:

        index       a   b
    hi  hello  pandas NaN
      index      a       b
    0    hi  hello  pandas
        index       a   b
    hi  hello  pandas NaN
    

    看到区别了吧!

    如果index_col是None或者0,他们输出时候都会多了个NaN,而且都将第一列作为行号。

    而False不会用第一列作为行号,同时还会丢弃最后一列错误的值。

    总结

    所以百度上那些都是乱转载的,根本不详细。还是要多实践。

    加一张图来总结下,我画的框框那里讲的很好:
    pandas read_csv参数index_col = None,0,False的区别


    展开全文
  • pandas中的read_csv参数详解

    千次阅读 2022-01-07 15:55:21
    pandas.read_csv(filepath_or_buffer, sep=NoDefault.no_default**,** delimiter=None**,** header='infer’, names=NoDefault.no_default**,** index_col=None**,** usecols=None**,** squeeze=False**,** prefix=...

    1.官网语法

    pandas.read_csv(filepath_or_buffer, sep=NoDefault.no_default**,** delimiter=None**,** header='infer’, names=NoDefault.no_default**,** index_col=None**,** usecols=None**,** squeeze=False**,** 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=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**,** 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**)**

    read_csv()函数在pandas中用来读取文件(逗号分隔符),并返回DataFrame。

    2.参数详解

    2.1 filepath_or_buffer(文件)

    注:不能为空

    filepath_or_buffer: str, path object or file-like object
    

    设置需要访问的文件的有效路径。

    可以是URL,可用URL类型包括:http, ftp, s3和文件。

    对于多文件正在准备中本地文件读取实例:😕/localhost/path/to/table.csv

    # 本地相对路径:
    pd.read_csv('data/data.csv') # 注意目录层级
    pd.read_csv('data.csv') # 如果文件与代码文件在同目录下
    pd.read_csv('data/my/my.data') # CSV 文件扩展名不一定是 csv
    
    # 本地绝对路径:
    pd.read_csv('/user/data/data.csv')
    

    2.2 sep(分隔符)

    sep: str, default ‘,

    ​ 指定分隔符。如果不指定参数,则会尝试使用逗号分隔。分隔符长于一个字符并且不是‘\s+’,

    将使用python的语法分析器。并且忽略数据中的逗号。正则表达式例子:’\r\t’

    # 数据分隔转化是逗号, 如果是其他可以指定
    pd.read_csv(data, sep='\t') # 制表符分隔 tab
    pd.read_table(data) # read_table 默认是制表符分隔 tab
    pd.read_csv(data, sep='|') # 制表符分隔 tab
    pd.read_csv(data,sep="(?<!a)\|(?!1)", engine='python') # 使用正则
    

    2.3 delimiter(分隔符)

    delimiter: str, default None
    

    ​ 定界符,sep的别名。

    2.4 header(表头)

    header: int, list of int, default ‘infer’
    

    指定行数用来作为列名,数据开始行数。

    如果文件中没有列名,则默认为0,否则设置为None。如果明确设定header=0 就会替换掉原来存在

    列名。

    header参数可以是一个list例如:[0,1,3],这个list表示将文件中的这些行作为列标题(意味着

    每一列有多个标题),介于中间的行将被忽略掉(例如本例中的2;本例中的数据1,2,4行将被作为多

    级标题出现,第3行数据将被丢弃,dataframe的数据从第5行开始)。

    注意:如果skip_blank_lines=True 那么header参数忽略注释行和空行,所以header=0表示第一

    行数据而不是文件的第一行。

    # 默认系统会推断,如果指定列名会被忽略
    pd.read_csv(data, header=0) # 第一行
    pd.read_csv(data, header=None) # 没有表头
    pd.read_csv(data, header=[0,1,3]) # 多层索引 MultiIndex
    

    2.5 names(列名)

    names: array-like, optional
    

    ​ 用于结果的列名列表,如果数据文件中没有列标题行,就需要执行header=None。默认列表中不

    能出现重复,除非设定参数mangle_dupe_cols=True。

    pd.read_csv(data, names=['列1', '列2']) # 指定列名列表
    

    2.6 index_col(索引列)

    index_col: int, str, sequence of int / str, or False, default None
    

    用作行索引的列编号或者列名,如果给定一个序列则有多个行索引。

    如果文件不规则,行尾有分隔符,则可以设定index_col=False 来是的pandas不适用第一列作为行

    索引。

    # 默认为 `None`, 不自动识别索引
    pd.read_csv(data, index_col=False) # 不再使用首列作为索引
    pd.read_csv(data, index_col=0) # 第几列是索引
    pd.read_csv(data, index_col='年份') # 指定列名
    pd.read_csv(data, index_col=['a','b']) # 多个索引
    pd.read_csv(data, index_col=[0, 3]) # 按列索引指定多个索引
    

    2.7 usecols(使用部分列)

    usecols: list-like or callable, optional
    

    返回一个数据子集,该列表中的值必须可以对应到文件中的位置(数字可以对应到指定的列)或者是

    字符传为文件中的列名。例如:usecols有效参数可能是 [0,1,2]或者是 [‘foo’, ‘bar’,

    ‘baz’]。使用这个参数可以加快加载速度并降低内存消耗。

    # 读取部分列
    pd.read_csv(data, usecols=[0,4,3]) # 按索引只读取指定列,顺序无关
    pd.read_csv(data, usecols=['列1', '列5']) # 按列名,列名必须存在
    # 指定列顺序,其实是 df 的筛选功能
    pd.read_csv(data, usecols=['列1', '列5'])[['列5', '列1']]
    # 以下用 callable 方式可以巧妙指定顺序, in 后边的是我们要的顺序
    pd.read_csv(data, usecols=lambda x: x.upper() in ['COL3', 'COL1'])
    

    2.8 squeeze(返回序列)

    squeeze: bool, default False
    

    如果文件值包含一列,则返回一个Series,如果是多个列依旧还是DataFrame。

    # 只取一列会返回一个 Series
    pd.read_csv(data, usecols=[0], squeeze=True)
    # 如果是两列则还是 df
    pd.read_csv(data, usecols=[0, 2], squeeze=True)
    

    2.9 prefix(表头前缀)

    prefix: str, optional
    

    在没有列标题时,给列添加前缀。例如:添加‘X’ 成为 X0, X1, …

    # 表头为 c_0、c_2
    pd.read_csv(data, prefix='c_', header=None)
    

    2.10 mangle_dupe_cols(处理重复列名)

    mangle_dupe_cols: bool, default True
    

    重复的列,将‘X’…’X’表示为‘X.0’…’X.N’。如果设定为False则会将所有重名列覆盖。

    data = 'a,b,a\n0,1,2\n3,4,5'
    pd.read_csv(StringIO(data), mangle_dupe_cols=True)
    # 表头为 a b a.1
    # False 会报 ValueError 错误
    

    2.11 dtype(数据类型)

    dtype: Type name or dict of column -> type, optional
    

    每列数据的数据类型。例如 {‘a’: np.float64, ‘b’: np.int32}

    pd.read_csv(data, dtype=np.float64) # 所有数据均为此数据类型
    pd.read_csv(data, dtype={'c1':np.float64, 'c2': str}) # 指定字段的类型
    pd.read_csv(data, dtype=[datetime, datetime, str, float]) # 依次指定
    

    2.12 engine(引擎)

    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。可以选择C或者是python。C引擎快,但是Python引擎功能更加完备。

    2.13 converters(列数据处理)

    converters: dict, optional
    

    列转换函数的字典。key可以是列名或者列的序号。

    from io import StringIO
    data = 'x,y\na,1\nb,2'
    def foo(p):
        return p+'s'
    # x 应用函数, y 使用 lambda
    pd.read_csv(StringIO(data), converters={'x': foo,
                                            'y': lambda x: x*3})
    # 输出:
    	x	y
    0	as	111
    1	bs	222
    # 使用列索引
    pd.read_csv(StringIO(data),
                converters={0: foo, 1: lambda x: x*3})
    

    2.14 true_values(真值转换)

    true_values: list, optional
    

    Values to consider as True 将指定的文本转换为 True, 可以用列表指定多个值。

    from io import StringIO
    data = ('a,b,c\n1,Yes,2\n3,No,4')
    pd.read_csv(StringIO(data),
                true_values=['Yes'], false_values=['No'])
    # 输出
    	a	b	c
    0	1	True	2
    1	3	False	4
    

    2.15 false_values(假值转换)

    false_values: list, optional
    

    Values to consider as False将指定的文本转换为 False, 可以用列表指定多个值。

    2.16 skipinitialspace(忽略分隔符后的空白)

    skipinitialspace: bool, default False
    

    忽略分隔符后的空白(默认为False,即不忽略).

    data = 'a, b, c\n 1, 2, 3\n 4 ,5, 6'
    pd.read_csv(StringIO(data), skipinitialspace=True)
    # 输出
    	a	b	c
    0	1	2	3
    1	4	5	6
    

    2.17 skiprows(跳过指定行)

    skiprows: list-like, int or callable, optional
    

    需要忽略的行数(从文件开始处算起),或需要跳过的行号列表(从0开始)。

    # 跳过前2行
    pd.read_csv(data, skiprows=2)
    # 跳过前2行
    pd.read_csv(data, skiprows=range(2))
    # 跳过指定行
    pd.read_csv(data, skiprows=[24,234,141])
    # 跳过指定行
    pd.read_csv(data, skiprows=np.array([2, 6, 11]))
    # 隔行跳过
    pd.read_csv(data, skiprows=lambda x: x % 2 != 0)
    

    2.18 shipfooter(尾部跳过)

    skipfooter: int, default 0
    

    从文件尾部开始忽略。 (c引擎不支持)

    pd.read_csv(filename, skipfooter=1) # 最后一行不加载
    

    2.19 nrows(读取行数)

    nrows: int, optional
    

    需要读取的行数(从文件头开始算起)。一般用于较大的数据文件

    pd.read_csv(data, nrows=1000)
    

    2.20 na_values(空值替换)

    na_values: scalar, str, list-like, or dict, optional
    

    一组用于替换NA/NaN的值。如果传参,需要制定特定列的空值。默认为‘1.#IND’, ‘1.#QNAN’, ‘N/A’, ‘NA’, ‘NULL’, ‘NaN’, ‘nan’`.

    # 5 和 5.0 会被认为 NaN
    pd.read_csv(data, na_values=[5])
    # ? 会被认为 NaN
    pd.read_csv(data, na_values='?')
    # 空值为 NaN
    pd.read_csv(data, keep_default_na=False, na_values=[""])
    # 字符 NA 字符 0 会被认为 NaN
    pd.read_csv(data, keep_default_na=False, na_values=["NA", "0"])
    # Nope 会被认为 NaN
    pd.read_csv(data, na_values=["Nope"])
    # a、b、c 均会被认为 NaN 等于 na_values=['a','b','c']
    pd.read_csv(data, na_values='abc')
    # 指定列的指定值会被认为 NaN
    pd.read_csv(data, na_values={'c':3, 1:[2,5]})
    

    2.21 keep_fault_na(保留默认空值)

    keep_default_na: bool, default True
    

    析数据时是否包含默认的NaN值,是否自动识别。

    如果指定na_values参数,并且keep_default_na=False,那么默认的NaN将被覆盖,否则添加。

    # 不自动识别空值
    pd.read_csv(data, keep_default_na=False)
    
    keep_default_nana_values逻辑
    True指定na_values 的配置附加处理
    True未指定自动识别
    False指定使用 na_values 的配置
    False未指定不做处理

    注:如果 na_filter 为 False (默认是 True), 那么 keep_default_na 和 na_values parameters 均无效。

    2.22 na_filter(丢失值检查)

    na_filter: bool, default True
    

    是否检查丢失值(空字符串或者是空值)。对于大文件来说数据集中没有空值,设定na_filter=False可以提升读取速度。

    # boolean, default True
    pd.read_csv(data, na_filter=False) # 不检查
    

    2.23 verbose(解析信息)

    verbose: bool, default False
    

    是否打印各种解析器的输出信息,例如:“非数值列中缺失值的数量”等。

    # 可以看到解析信息
    pd.read_csv(data, verbose=True)
    # Tokenization took: 0.02 ms
    # Type conversion took: 0.36 ms
    # Parser memory cleanup took: 0.01 ms
    

    2.24 skip_blank_lines(跳过空行)

    skip_blank_lines: bool, default True
    

    如果为True,则跳过空行;否则记为NaN。

    # 不跳过空行
    pd.read_csv(data, skip_blank_lines=False)
    

    2.25 parse_dates(日期时间解析)

    parse_dates: bool or list of int or names or list of lists or dict, default False
    
    • boolean. True -> 解析索引
    • list of ints or names. e.g. If [1, 2, 3] -> 解析1,2,3列的值作为独立的日期列;
    • list of lists. e.g. If [[1, 3]] -> 合并1,3列作为一个日期列使用
    • dict, e.g. {‘foo’ : [1, 3]} -> 将1,3列合并,并给合并后的列起名为"foo"
    pd.read_csv(data, parse_dates=True) # 自动解析日期时间格式
    pd.read_csv(data, parse_dates=['年份']) # 指定日期时间字段进行解析
    # 将 1、4 列合并解析成名为 时间的 时间类型列
    pd.read_csv(data, parse_dates={'时间':[1,4]})
    

    2.26 infer_datetime_format(自动识别日期时间)

    infer_datetime_format: bool, default False
    

    如果设定为True并且parse_dates 可用,那么pandas将尝试转换为日期类型,如果可以转换,转换

    方法并解析。在某些情况下会快5~10倍。

    pd.read_csv(data, parse_dates=True, infer_datetime_format=True)
    

    2.27 keep_date_col(保留被时间组合列)

    keep_date_col: bool, default False
    

    如果有多列解析成一个列,自动会合并到新解析的列,去掉此列,如果设置为 True 则会保留。

    pd.read_csv(data, parse_dates=[[1, 2], [1, 3]], keep_date_col=True)
    

    2.28 date_parser(日期时间解析器)

    date_parser: function, optional
    

    用于解析日期的函数,默认使用dateutil.parser.parser来做转换。Pandas尝试使用三种不同的方

    式解析,如果遇到问题则使用下一种方式。

    1.使用一个或者多个arrays(由parse_dates指定)作为参数;

    2.连接指定多列字符串作为一个列作为参数;

    3.每行调用一次date_parser函数来解析一个或者多个字符串(由parse_dates指定)作为参数。

    # 指定时间解析库,默认是 dateutil.parser.parser
    date_parser=pd.io.date_converters.parse_date_time
    date_parser=lambda x: pd.to_datetime(x, utc=True, format='%d%b%Y')
    date_parser = lambda d: pd.datetime.strptime(d, '%d%b%Y')
    pd.read_csv(data, parse_dates=['年份'], date_parser=date_parser)
    

    2.29 dayfirst(日期日在前)

    dayfirst: bool, default False
    

    DD/MM格式的日期类型,如日期 2000-01-06 如果 dayfirst=True 则会转换成 2000-06-01。

    pd.read_csv(data, dayfirst=True, parse_dates=[0])
    

    2.30 cache_dates(日期缓存)

    cache_dates: bool, default True
    

    如果为 True,则使用唯一的转换日期缓存来应用 datetime 转换。 解析重复的日期字符串时,尤其是带有时区偏移的日期字符串时,可能会大大提高速度。

    pd.read_csv(data, cache_dates=False)
    

    2.31 iterator(读取文件对象)

    iterator: bool, default False
    

    返回一个TextFileReader 对象,以便逐块处理文件。

    pd.read_csv(data, iterator=True)
    

    2.32 chunksize(文件块)

    chunksize: int, optional
    

    文件块的大小, See IO Tools docs for more informationon iterator and chunksize.

    pd.read_csv(data, chunksize=100000)
    
    # 分片处理大文件
    df_iterator=pd.read_csv(file,chunksize=50000)
    def process_dataframe(df):
        pass
        return processed_df
    
    for index,df_tmp in enumerate(df_iterator):
        df_processed=process_dataframe(df_tmp)
        if index>0:
           df_processed.to_csv(path)
        else:
           df_processed.to_csv(path,mode='a',header=False)
    

    2.33 compression(压缩)

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

    直接使用磁盘上的压缩文件。如果使用infer参数,则使用 gzip, bz2, zip或者解压文件名中以‘.gz’, ‘.bz2’, ‘.zip’, or ‘xz’这些为后缀的文件,否则不解压。如果使用zip,那么ZIP包中国必须只包含一个文件。设置为None则不解压。

    新版本0.18.1版本支持zip和xz解压

    pd.read_csv('sample.tar.gz', compression='gzip')
    

    2.34 thousands(千分位分隔符)

    thousands: str, optional
    

    千分位分割符,如“,”或者“."

    pd.read_csv('test.csv', thousands=',') # 逗号分隔
    

    2.35 decimal(小数点)

    decimal: str, default ‘.

    字符中的小数点 (例如:欧洲数据使用’,‘).

    pd.read_csv(data, decimal=",")
    

    2.36 lineterminator(行结束符)

    lineterminator: str (length 1), optional
    

    行分割符,只在C解析器下使用。

    data = 'a,b,c~1,2,3~4,5,6'
    pd.read_csv(StringIO(data), lineterminator='~')
    

    2.37 quotechar(引号)

    quotechar: str (length 1), optional
    

    引号,用作标识开始和结束的字符,引号内的分割符将被忽略。

    pd.read_csv(file, quotechar = '"')
    

    2.38 quoting(引号常量)

    quoting: int or csv.QUOTE_* instance, default 0
    

    控制csv中的引号常量。可选 QUOTE_MINIMAL (0), QUOTE_ALL (1), QUOTE_NONNUMERIC (2) or QUOTE_NONE (3)

    import csv
    pd.read_csv('input_file.csv', quoting=csv.QUOTE_NONE)
    

    2.39 doublequote(双引号)

    doublequote: bool, default True
    

    双引号,当单引号已经被定义,并且quoting 参数不是QUOTE_NONE的时候,使用双引号表示引号内的元素作为一个元素使用。

    import csv
    pd.read_csv('data.csv', quotechar='"', doublequote=True, quoting=csv.QUOTE_NONNUMERIC)
    

    2.40 escapechar(不受分隔符限制)

    escapechar: str (length 1), optional
    

    当quoting 为QUOTE_NONE时,指定一个字符使的不受分隔符限值。

    pd.read_csv(StringIO(data), escapechar='\\', encoding='utf-8')
    

    2.41 comment(注释标识)

    comment: str, optional
    

    标识着多余的行不被解析。如果该字符出现在行首,这一行将被全部忽略。这个参数只能是一个字符,空行(就像skip_blank_lines=True)注释行被header和skiprows忽略一样。例如如果指定comment=’#’ 解析‘#empty\na,b,c\n1,2,3’ 以header=0 那么返回结果将是以’a,b,c’作为header。

    s = '# notes\na,b,c\n# more notes\n1,2,3'
    pd.read_csv(StringIO(s), sep=',', comment='#', skiprows=1)
    

    2.42 encoding(编码)

    encoding: str, optional
    

    指定字符集类型,通常指定为’utf-8’. List of Python standard encodings

    pd.read_csv('gairuo.csv', encoding='utf8')
    pd.read_csv("gairuo.csv",encoding="gb2312") # 常见中文
    # 其他常用编码 ISO-8859-1 latin-1 gbk
    

    2.43 encoding_errors

    encoding_errors: str, optional, default “strict”
    

    在这里插入图片描述

    2.44 dialect

    dialect: str or csv.Dialect, optional
    

    如果没有指定特定的语言,如果sep大于一个字符则忽略。具体查看csv.Dialect 文档

    import csv
    csv.register_dialect(
        'mydialect',
        delimiter = ',',
        quotechar = '"',
        doublequote = True,
        skipinitialspace = True,
        lineterminator = '\r\n',
        quoting = csv.QUOTE_MINIMAL)
    
    pd.read_csv("gr.csv", encoding="gbk", dialect='mydialect')
    

    2.45 error_bad_lines(坏行处理)

    error_bad_lines: bool, default None
    

    如果一行包含太多的列,容易出现错误,那么默认不会返回DataFrame ,如果设置成false,那么会将"坏行"剔除(只能在C解析器下使用)。

    pd.read_csv(StringIO(data), error_bad_lines=False)
    

    2.46 warn_bad_lines(坏行警告)

    warn_bad_lines: bool, default None
    

    如果error_bad_lines =False,并且warn_bad_lines =True 那么所有的“bad lines”将会被输出(只能在C解析器下使用)。

    pd.read_csv(StringIO(data), warn_bad_lines=False)
    

    2.47 on_bad_lines

    on_bad_lines: {‘error’, ‘warn’, ‘skip’}, default ‘error’
    

    在这里插入图片描述

    2.48 delim_whitespace(空格分隔符)

    delim_whitespace: bool, default False
    

    指定是否将空格(例如’‘或’\ t’)用作分隔符。 等效于设置sep =’\s+’。 如果此选项设置为True,则不应该为delimiter参数传递任何内容。

    pd.read_csv(StringIO(data), delim_whitespace=False)
    

    2.49 low_memory(低内存)

    low_memory: bool, default True
    

    分块加载到内存,再低内存消耗中解析。但是可能出现类型混淆。确保类型不被混淆需要设置为False。或者使用dtype 参数指定类型。注意使用chunksize 或者iterator 参数分块读入会将整个文件读入到一个Dataframe,而忽略类型(只能在C解析器中有效)

    pd.read_csv(StringIO(data), low_memory=False)
    

    2.50 memory_map(内存映射)

    memory_map: bool, default False 
    

    如果使用的文件在内存内,那么直接map文件使用。使用这种方式可以避免文件再次进行IO操作。

    pd.read_csv('gr.csv', low_memory=False)
    

    2.51 float_precison(高精度转换)

    float_precision:str, optional
    

    指定C引擎应使用哪个转换器进行浮点运算,对于普通转换器,选项为“None”或“high”,原始低精度转换器的“legacy”,以及 round-trip 换器的“ round_trip”。

    val = '0.3066101993807095471566981359501369297504425048828125'
    data = 'a,b,c\n1,2,{0}'.format(val)
    abs(pd.read_csv(StringIO(data), engine='c',float_precision='high')['c'][0] - float(val))
    

    2.52 storage_options(存储选项)

    storage_options:dict, optional
    

    注:pandas 1.2.0 新增。

    fsspec 还允许使用复杂的URL,以访问压缩档案中的数据,文件的本地缓存等。 要在本地缓存上面的示例,可以增加参数配置:

    #  Amazon S3, 安装支持库 fsspec
    pd.read_csv(
        "simplecache::s3://ncei-wcsd-archive/data/processed/SH1305/18kHz/"
        "SaKe2013-D20130523-T080854_to_SaKe2013-D20130523-T085643.csv",
        storage_options={"s3": {"anon": True}},
    )
    

    指定“anon”参数用于实现的“ s3”部分,而不是用于缓存实现。 请注意,仅在会话期间缓存到临时目录,但是您也可以指定永久存储。更多参数可参考fsspec文档

    注:pandas 1.3.0 新增。

    从fsspec未处理的远程URL(例如HTTP和HTTPS)读取时,传递到存储的字典将用于创建请求中包含的头()。这可用于控制用户代理标头(User-Agent header)或发送其他自定义标头。例如:

    headers = {"User-Agent": "pandas"}
    
    df = pd.read_csv(
        "https://download.bls.gov/pub/time.series/cu/cu.item",
        sep="\t",
        storage_options=headers
    )
    

    3.返回值

    DataFrame or TextParser

    ​  A comma-separated values (csv) file is returned as two-dimensional data structure with labeled axes.

    参考链接:

    1.https://www.gairuo.com/p/pandas-read-csv

    展开全文
  • Pandasread_csv和 to_csv函数参数分析详解 1. read_csv read_csv方法定义 pd.read_csv(filepath_or_buffer, sep=',', delimiter=None, header='infer', names=None, index_col=None, usecols=None, ...

    Pandas的read_csv和 to_csv函数参数分析详解

     

     

    1. read_csv

    read_csv方法定义

     

    pd.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, 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, iterator=False, chunksize=None,
     compression='infer', thousands=None, decimal=b'.', lineterminator=None,
     quotechar='"', quoting=0, escapechar=None, comment=None, encoding=None,
     dialect=None, tupleize_cols=False, error_bad_lines=True, warn_bad_lines=True, 
    skipfooter=0, skip_footer=0, doublequote=True, delim_whitespace=False,
     as_recarray=False, compact_ints=False, use_unsigned=False,
     low_memory=True, buffer_lines=None, memory_map=False, float_precision=None)
    
    

    读取文件路径,可以是URL,可用URL类型包括:http, ftp, s3和文件。

    常用参数

    sep :str, default ‘,'
    指定分隔符。如果不指定参数,则会尝试使用逗号分隔。csv文件一般为逗号分隔符。

    delimiter : str, default None 
    定界符,备选分隔符(如果指定该参数,则sep参数失效)

    delim_whitespace :boolean, default False.
    指定空格(例如' ‘或者' ‘)是否作为分隔符使用,等效于设定sep='\s+'。
    如果这个参数设定为Ture那么delimiter 参数失效。

    header :int or list of ints, default ‘infer'
    指定行数用来作为列名,数据开始行数。如果文件中没有列名,则默认为0,否则设置为None。对于数据读取有表头和没表头的情况很实用

    header :int or list of ints, default ‘infer'
    指定行数用来作为列名,数据开始行数。如果文件中没有列名,则默认为0,否则设置为None。

    names :  array-like, default None
    用于结果的列名列表,对各列重命名,即添加表头。
    如数据有表头,但想用新的表头,可以设置header=0,names=['a','b']实现表头定制。

    index_col : int or sequence or False, default None
    用作行索引的列编号或者列名,如果给定一个序列则有多个行索引。
    可使用index_col=[0,1]来指定文件中的第1和2列为索引列。

    usecols : array-like, default None
    返回一个数据子集,即选取某几列,不读取整个文件的内容,有助于加快速度和降低内存。
    usecols=[1,2]或usercols=['a','b']

    squeeze : boolean, default False
    如果文件只包含一列,则返回一个Series

    prefix :  str, default None
    在没有列标题时,给列添加前缀。例如:添加‘X' 成为 X0, X1, ...

    mangle_dupe_cols : boolean, default True
    重复的列,将‘X'...'X'表示为‘X.0'...'X.N'。如果设定为False则会将所有重名列覆盖。

    不太常用参数

    dtype : Type name or dict of column -> type, default None
    每列数据的数据类型。例如 {‘a': np.float64, ‘b': np.int32}

    engine :  {‘c', ‘python'}, optional
    使用的分析引擎。可以选择C或者是python。C引擎快但是Python引擎功能更加完备。

    converters : dict, default None
    列转换函数的字典。key可以是列名或者列的序号。

    true_values和false_values :  list, default None
    Values to consider as True or False

    skipinitialspace :boolean, default False
    忽略分隔符后的空白(默认为False,即不忽略)

    skiprows : list-like or integer, default None
    需要忽略的行数(从文件开始处算起),或需要跳过的行号列表(从0开始)。

    skipfooter : int, default 0
    从文件尾部开始忽略。 (c引擎不支持)

    nrows : int, default None
    需要读取的行数(从文件头开始算起)。

    na_values : scalar, str, list-like, or dict, default None
    一组用于替换NA/NaN的值。如果传参,需要制定特定列的空值。
    默认为‘1.#IND', ‘1.#QNAN', ‘N/A', ‘NA', ‘NULL', ‘NaN', ‘nan'`.

    keep_default_na :  bool, default True
    如果指定na_values参数,并且keep_default_na=False,那么默认的NaN将被覆盖,否则添加。

    na_filter : boolean, default True
    是否检查丢失值(空字符串或者是空值)。
    对于大文件来说数据集中没有空值,设定na_filter=False可以提升读取速度。

    verbose :boolean, default False
    是否打印各种解析器的输出信息,例如:“非数值列中缺失值的数量”等。

    skip_blank_lines :boolean, default True
    如果为True,则跳过空行;否则记为NaN。

    encoding : str, default None
    指定字符集类型,通常指定为'utf-8'. List of Python standard encodings

    dialect : str or csv.Dialect instance, default None
    如果没有指定特定的语言,如果sep大于一个字符则忽略。具体查看csv.Dialect 文档

    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,那么默认不会返回DataFrame ,如果设置成false,那么会将改行剔除(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”将会被输出(只能在C解析器下使用)。

    low_memory : boolean, default True
    分块加载到内存,在低内存消耗中解析。但是可能出现类型混淆。
    确保类型不被混淆需要设置为False。或者使用dtype 参数指定类型。
    注意使用chunksize 或者iterator 参数分块读入会将整个文件读入到一个Dataframe,
    而忽略类型(只能在C解析器中有效)

    日期类型相关参数

    parse_dates : boolean or list of ints or names or list of lists or dict, default False

    boolean. True -> 解析索引
    list of ints or names. e.g. If [1, 2, 3] -> 解析1,2,3列的值作为独立的日期列;
    list of lists. e.g. If [[1, 3]] -> 合并1,3列作为一个日期列使用
    dict, e.g. {‘foo' : [1, 3]} -> 将1,3列合并,并给合并后的列起名为"foo"

    示例:df=pd.read_csv(file_path,parse_dates=['time1','time2']),
    把time1和time2两列解析为日期格式。
    这里不得不说,很遗憾中文不行,比如‘4月5日'这种格式就不能解析。

     infer_datetime_format :boolean, default False
    如果设定为True并且parse_dates 可用,那么pandas将尝试转换为日期类型,如果可以转换,转换方法并解析。
    在某些情况下会快5~10倍。

    keep_date_col : boolean, default False
    如果连接多列解析日期,则保持参与连接的列。默认为False。

    date_parser :  function, default None
    于解析日期的函数,默认使用dateutil.parser.parser来做转换。
    Pandas尝试使用三种不同的方式解析,如果遇到问题则使用下一种方式。
    1.使用一个或者多个arrays(由parse_dates指定)作为参数;
    2.连接指定多列字符串作为一个列作为参数;
    3.每行调用一次date_parser函数来解析一个或者多个字符串(由parse_dates指定)作为参数。

    dayfirst : boolean, default False
    DD/MM格式的日期类型

    大文件常用参数

    iterator : boolean, default False
    返回一个TextFileReader 对象,以便逐块处理文件。

    chunksize : int, default None
    文件块的大小, See IO Tools docs for more informationon iterator and chunksize.

    chunksize : int, default None
    文件块的大小, See IO Tools docs for more informationon iterator and chunksize.

    chunksize : int, default None
    文件块的大小, See IO Tools docs for more informationon iterator and chunksize.

    decimal : str, default ‘.'
    字符中的小数点 (例如:欧洲数据使用',‘).

    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.

    lineterminator : str (length 1), default None
    行分割符,只在C解析器下使用。

    quotechar : str (length 1), optional
    引号,用作标识开始和解释的字符,引号内的分割符将被忽略。

    quoting : int or csv.QUOTE_* instance, default 0
    控制csv中的引号常量。
    可选 QUOTE_MINIMAL (0), QUOTE_ALL (1), QUOTE_NONNUMERIC (2) or QUOTE_NONE (3)

    doublequote : boolean, default True
    双引号,当单引号已经被定义,并且quoting 参数不是QUOTE_NONE的时候,
    使用双引号表示引号内的元素作为一个元素使用。

    escapechar : str (length 1), default None
    当quoting 为QUOTE_NONE时,指定一个字符使的不受分隔符限值。

    comment : str, default None
    标识着多余的行不被解析。如果该字符出现在行首,这一行将被全部忽略。
    这个参数只能是一个字符,空行(就像skip_blank_lines=True)注释行被header和skiprows忽略一样。
    例如如果指定comment='#' 解析‘#empty\na,b,c\n1,2,3' 以header=0 那么返回结果将是以'a,b,c'作为header。

    读取多个文件

    #读取多个文件
    
    import pandas
    import glob
    
    for r in glob.glob("test*.csv"):
        csv=pandas.read_csv(r)
        csv.to_csv("test.txt",mode="a+")

     

    2. to_csv

    to_csv方法定义:

    DataFrame.to_csv(path_or_buf=None, sep=', ', na_rep='', float_format=None, columns=None, 
    header=True, index=True, index_label=None, mode='w', encoding=None, compression=None, 
    quoting=None, quotechar='"', line_terminator='\n', chunksize=None, tupleize_cols=None, 
    date_format=None, doublequote=True, escapechar=None, decimal='.')
    

    path_or_buf=None: string or file handle, default None 
    File path or object, if None is provided the result is returned as a string. 
    字符串或文件句柄,默认无文件 
    路径或对象,如果没有提供,结果将返回为字符串。

    sep : character, default ‘,’ 
    Field delimiter for the output file. 
    默认字符 ‘ ,’ 
    输出文件的字段分隔符。

    na_rep : string, default ‘’ 
    Missing data representation 
    字符串,默认为 ‘’ 
    浮点数格式字符串

    float_format : string, default None 
    Format string for floating point numbers 
    字符串,默认为 None 
    浮点数格式字符串

    columns : sequence, optional Columns to write 
    顺序,可选列写入

    header : boolean or list of string, default True 
    Write out the column names. If a list of strings is given it is assumed to be aliases for the column names 
    字符串或布尔列表,默认为true 
    写出列名。如果给定字符串列表,则假定为列名的别名。

    index : boolean, default True 
    Write row names (index) 
    布尔值,默认为Ture 
    写入行名称(索引)

    index_label : string or sequence, or False, default None 
    Column label for index column(s) if desired. If None is given, and header and index are True, then the index names are used. A sequence should be given if the DataFrame uses MultiIndex. If False do not print fields for index names. Use index_label=False for easier importing in R 
    字符串或序列,或False,默认为None 
    如果需要,可以使用索引列的列标签。如果没有给出,且标题和索引为True,则使用索引名称。如果数据文件使用多索引,则应该使用这个序列。如果值为False,不打印索引字段。在R中使用index_label=False 更容易导入索引.

    mode : str 
    模式:值为‘str’,字符串 
    Python写模式,默认“w”

    encoding : string, optional 
    编码:字符串,可选 
    表示在输出文件中使用的编码的字符串,Python 2上默认为“ASCII”和Python 3上默认为“UTF-8”。

    compression : string, optional 
    字符串,可选项 
    表示在输出文件中使用的压缩的字符串,允许值为“gzip”、“bz2”、“xz”,仅在第一个参数是文件名时使用。

    line_terminator : string, default ‘\n’ 
    字符串,默认为 ‘\n’ 
    在输出文件中使用的换行字符或字符序列

    quoting : optional constant from csv module 
    CSV模块的可选常量 
    默认值为to_csv.QUOTE_MINIMAL。如果设置了浮点格式,那么浮点将转换为字符串,因此csv.QUOTE_NONNUMERIC会将它们视为非数值的。

    quotechar : string (length 1), default ‘”’ 
    字符串(长度1),默认“” 
    用于引用字段的字符

    doublequote : boolean, default True 
    布尔,默认为Ture 
    控制一个字段内的quotechar

    escapechar : string (length 1), default None 
    字符串(长度为1),默认为None 
    在适当的时候用来转义sep和quotechar的字符

    chunksize : int or None 
    int或None 
    一次写入行

    tupleize_cols : boolean, default False 
    布尔值 ,默认为False 
    从版本0.21.0中删除:此参数将被删除,并且总是将多索引的每行写入CSV文件中的单独行 
    (如果值为false)将多索引列作为元组列表(如果TRUE)或以新的、扩展的格式写入,其中每个多索引列是CSV中的一行。

    date_format : string, default None 
    字符串,默认为None 
    字符串对象转换为日期时间对象

    decimal: string, default ‘.’ 
    字符串,默认’。’ 
    字符识别为小数点分隔符。例如。欧洲数据使用 ​​’,’

    pandas的to_csv()使用方法

    1.首先查询当前的工作路径:

     

     
    import os
    
    os.getcwd() #获取当前工作路径

    2.to_csv()是DataFrame类的方法,read_csv()是pandas的方法

     

    dt.to_csv() #默认dt是DataFrame的一个实例,参数解释如下

     

    • 路径 path_or_buf: A string path to the file to write or a StringIO
     
    dt.to_csv('Result.csv') #相对位置,保存在getwcd()获得的路径下
    
    dt.to_csv('C:/Users/think/Desktop/Result.csv') #绝对位置

     

    • 分隔符 sep : Field delimiter for the output file (default ”,”)
    dt.to_csv('C:/Users/think/Desktop/Result.csv',sep='?')#使用?分隔需要保存的数据,如果不写,默认是,

     

    • 替换空值 na_rep: A string representation of a missing value (default ‘’)
    dt.to_csv('C:/Users/think/Desktop/Result1.csv',na_rep='NA') #确实值保存为NA,如果不写,默认是空

     

    • 格式 float_format: Format string for floating point numbers
    dt.to_csv('C:/Users/think/Desktop/Result1.csv',float_format='%.2f') #保留两位小数

     

    • 是否保留某列数据 cols: Columns to write (default None)
    dt.to_csv('C:/Users/think/Desktop/Result.csv',columns=['name']) #保存索引列和name列

     

    • 是否保留列名 header: Whether to write out the column names (default True)
    dt.to_csv('C:/Users/think/Desktop/Result.csv',header=0) #不保存列名

     

    • 是否保留行索引 index:  whether to write row (index) names (default True)
    dt.to_csv('C:/Users/think/Desktop/Result1.csv',index=0) #不保存行索引


     

     

    展开全文
  • 复制代码 代码如下:pd.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, ...
  • Often, you’ll work with data in CSV files and run into problems at the very beginning. 导入数据是任何数据科学项目的第一步。 通常,您将使用CSV文件中的数据,并在一开始就遇到问题。 Am...
  • 考虑如下内容的 CSV 文件(第五列只有列值没有列名): COL_1, COL_2, COL_3, COL_4 1, 2, 3, 4, 5 6, 7, 8, 9, 10 11, 12, 13, 14, 15 Excel Viewer 预览如下: index_col 的效果: ...
  • Pandas函数read_csv参数na_values的用法

    万次阅读 多人点赞 2020-05-11 15:11:37
    我们使用Pandasread_csv函数读取csv文件的时候,缺失的数据总是会自动填充为NaN.什么样的值会被认为是缺失的数据呢?我们能不能提供一些个性化的缺失数据?这就要用到na_values参数。下面将介绍这个参数。 二、na...
  • Pandas read_csv 坑了

    千次阅读 多人点赞 2020-12-20 00:33:49
    Pandas read_csv 坑了 – 不怕前路坎坷,只怕从一开始就走错了方向 Pandas 是python的一个数据分析包,纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具。Pandas 就是为解决数据分析任务...
  • pandas read_csv 读取数据中包含双引号

    千次阅读 2020-08-08 08:01:57
    如果数据中的某个字段有引号,引号里面有逗号(逗号也是字段分隔符),如: ...df=pd.read_csv("complext.csv",skipinitialspace=True,escapechar='\\',quotechar='"') df.to_csv("new.csv",sep="\x01") ...
  • pandas.read_csv()参数详解

    万次阅读 多人点赞 2019-05-22 12:04:13
    pandas.read_csv 老规矩,官方参数走一波: read_csv(filepath_or_buffer, sep=',', delimiter=None, header='infer', names=None, index_col=None, usecols=None, squeeze=False, prefix=None, mangle_dup...
  • 一. # 读取csv与读取excel的差异性 pandas读取excel文件代码 savapath = r"C:\Users\test.xlsx" df = pd.read_excel(savapath,names=None,...pandas读取csv文件代码 savapath = r"C:\Users\test.csv" data = pd.r
  • Pandas read_csv()处理缺失值

    千次阅读 2019-01-02 16:03:10
    pandas读入数据,需要注意read_csv()的参数dtype和engine,定义dtype为str后,如果系统默认,engine=‘c’,那null缺失值会是float型,而不是str型。 需要将engine='python',这样读入的数据就都是str型的。 NaN ...
  • pandas read_csv()用于多个分隔符

    千次阅读 2020-12-15 16:17:41
    分隔的pandas数据框 我试过 df_user_key_word_org = pd.read_csv(filepath+"user_key_word.txt", sep='\t|:|;', header=None, engine='python') 它给我以下错误。 pandas.errors.ParserError: Error could be due to...
  • pandas使用read_csv函数读取文件时指定数据列的数据类型、pandas使用read_csv函数读取文件时通过keep_default_na参数设置缺失值替换为空字符串
  • 在python中读取csv文件时,一般操作如下: import pandas as pd pd.read_csv(filename) 该读文件方式,默认是以逗号“,”作为分割符,若是以其它分隔符,比如制表符“/t”...以上这篇pandas读取csv文件,分隔符参数se
  • 首先我是通过read_csv将数据读入 然后把id列去掉,将date列设置为索引。之后将date列的数据转化为标准格式,代码如下: import pandas as pd air = pd.read_csv(’…/forecast pm25/weather.csv’, index_col=7) air...
  • series = pd.read_csv('daily-min-temperatures.csv',header=0, index_col=0, parse_dates=True,squeeze=True) temps = DataFrame(series.values) width = 3 shifted = temps.shift(width-1) print(shifted) window...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 100,800
精华内容 40,320
关键字:

pandas read_csv参数