Pandas read_table()函数

当你需要从文件、URL、文件对象中读入带分隔符的数据。 Pandas提供了read_table()函数，可以轻松地读取多种格式的数据文件，例如csv、tsv等。

read_table()有多个参数，下面一一解析：

• filepath_or_buffer: 文件路径或URL，可以是本地文件，URL或任何有read（）函数的文件型对象
• sep :用于指定列之间的分隔符，默认是'\t' 。
• header :指定行号用作列名。 如果没有列名，则将header设置为None。默认为0，即将第一行作为列名。
• names :用于结果的列名列表
• index_col: 用作索引的列编号或列名。 如果给定一个序列或列表，则用于多重索引。
• dtype: 每列的数据类型，默认的数据类型是推断的。这个参数可以是字典、Numpy dtype、Pandas类型或Python类型。
• skiprows: 跳过的行数（从零开始）。默认情况下不跳过行。
• na_values: 指定缺失值的序列，例如na_values = ['NaN'，'?'] 。
• comment: 指定注释字符。
• parse_dates: 需要解析的日期行或列。如果是数字则表示第几列，如果是字符串则表示列名。如果设置为True，则尝试解析所有可能表示日期的列。
• keep_date_col：如果连接日期，则保留连接的原始列。默认为False。
• converters : dict, default None, 转换器字典，以列名为键，允许将列映射为其他处理函数，例如{'foo'：f}将列'foo'替换为f（列）。
• dayfirst : When parsing potentially ambiguous dates, treat as dd/mm versus mm/dd.默认为false。
• chunksize: 一次返回的行数。

下面是一个例子：

import pandas as pd

# Read table from csv file
df = pd.read_table('data.csv', sep=',')

# Display first 5 rows of data
print(df.head())

这会从' data.csv '文件中读取逗号分隔的数据，然后使用默认分隔符‘,’去读取数据。最后使用head（）命令输出前5行数据。

上面这个例子只是对read_table()函数的简单介绍，使用Pandas读取数据的常用函数还有read_csv，read_excel等等，读者可以自己尝试使用不同的函数来读取数据。