Python pandas中read_csv参数示例详解

在Python pandas中，我们经常使用read_csv函数读取csv格式文件。但是，由于csv文件格式的多样性，我们需要掌握一些参数知识，以便实现更精准的数据读取。

参数说明

read_csv函数常用参数如下：

• filepath_or_buffer: 必选参数，表示文件的路径或URL地址；

• sep: 可选参数，表示csv文件中的字段分隔符，默认为','；

• delimiter: 可选参数，和sep参数作用相同，指定csv文件的分隔符；

• header: 可选参数，表示哪一行作为列名，默认为0，即第一行；

• names: 可选参数，表示自定义列名，如果指定了就会替代header参数；

• index_col: 可选参数，表示使用哪一列作为索引列，默认为None，即不使用任何列作为索引列；

• usecols: 可选参数，表示需要读取哪些列，可以使用列名或列索引号；

• dtype: 可选参数，表示每一列的数据类型；

• skiprows: 可选参数，表示需要跳过文件的前几行，默认为0；

• skipfooter: 可选参数，表示需要跳过文件的末尾几行，默认为0；

• na_values: 可选参数，表示读取csv文件时将指定的缺失值识别为NaN；

• comment: 可选参数，表示注释符号，默认为None，即没有注释；

• encoding: 可选参数，表示文件的编码方式，常用的有'utf-8'、'gbk'等；

• quoting: 可选参数，表示如何处理字段中的引号，常用的有0、1、2、3。

示例说明

示例一

我们有一个名为data.csv的文件，文件中的分隔符是'；'，第一行为列名，第二列为数字，第三列为日期，现在，我们要将这个文件读入一个DataFrame对象中。可以使用如下代码：

import pandas as pd

df = pd.read_csv('data.csv', sep=';', header=0, index_col=None, usecols=[0, 1, 2], 
                 parse_dates=['日期'], dtype={'数字': float})
print(df)

解析：

• header=0 指定第一行为列名；

• index_col=None 表示不使用任何列作为索引列；

• usecols=[0, 1, 2] 表示只读取第1、2、3列；

• parse_dates=['日期'] 表示将第3列解析成日期格式；

示例二

在本例中，我们将演示如何跳过数据文件的前两行。可以使用如下代码：

import pandas as pd

df = pd.read_csv('data.csv', sep=',', header=0, index_col=None, usecols=[0,1], 
                 skiprows=2, dtype={'数字': float})
print(df)

解析：

• header=0 指定第一行为列名；

• index_col=None 表示不使用任何列作为索引列；

• usecols=[0, 1] 表示只读取第1、2列；

• skiprows=2 表示跳过文件的前两行。

示例三

在本例中，我们将演示如何自定义文件中的列名。可以使用如下代码：

import pandas as pd

df = pd.read_csv('data.csv', sep=',', header=None, names=['学号', '姓名', '年龄', '性别'], 
                 index_col=['学号'], usecols=[0,1,2,3], dtype={'年龄': int})
print(df)

解析：

• header=None 表示没有列名；

• names=['学号', '姓名', '年龄', '性别'] 表示指定自定义列名；

• index_col=['学号'] 表示使用第一列作为索引列；

• usecols=[0,1,2,3] 表示只读取前四列；

• dtype={'年龄': int} 表示将年龄列的数据类型设置为整型。