pandas.read_csv参数详解(小结)

下面是对于“pandas.read_csv参数详解(小结)” 的详细攻略：

pandas.read_csv参数详解

基本参数

pandas.read_csv(file_path: str, delimiter: str, header: Union[int, List[int]], names: Optional[List[str]], index_col: Optional[Union[int, List[int], str, List[str]]], usecols: Optional[Union[List[int], List[str]]], dtype: Union[Type[Dict[str, Any]], Type[List[Type[Any]]], NoneType], skiprows: Optional[Union[int, List[int], Callable[[int], bool]]], skipfooter: int = 0, nrows: Optional[int], na_values: Optional[Union[List[str], List[int], Dict[str, List[str]]]], keep_default_na: bool = True, comment: Optional[str], encoding: Optional[str] = None, compression: Optional[str] = None, thousands: Optional[str] = None, decimal: Optional[str] = '.', chunksize: Optional[int] = None, dayfirst: bool = False, date_parser: Optional[Callable[[str], datetime]], infer_datetime_format: bool = False, true_values: Optional[List[Any]] = None, false_values: Optional[List[Any]] = None, quotechar: str = '"', quoting: Union[int, str] = 0, escapechar: Optional[str] = None, nrows: Optional[int] = None)

• file_path: 文件路径或URL，必需参数。
• delimiter: 分隔符，常用的有','、'\t'等，默认为','。
• header: 是否将某行设为表头，可以设置行号或者行号列表，如果不需要表头则直接设置为None。
• names: 列名列表，如果文件本身不包含列名，则需要手动设置列名，和header=0或header=None同时使用。
• index_col: 指定索引列，可以是整数、单个列名或列名列表，也可以为空表示不使用索引列。
• usecols: 需要读取的列的列表，可以是列号、列名或者两者混合的序列，格式如['列1', '列2', ...]或[0, 1, 2, ...]
• dtype: 定义列的数据类型，可以是Python类型、NumPy类型或者Python字典。
• skiprows: 需要跳过的行号列表、函数或数值。比如跳过前10行，可以设置为10；跳过第一行和第三行，可以设置为[0, 2]；跳过所有值为0的行，可以设置为lambda x: x==0。
• skipfooter: 文件末尾需要跳过的行数，默认为0，常用于去除底部的注释行、空行等。
• nrows: 读取文件的前几行，默认为读取全部行。
• na_values: 设定数据中的若干字符表示缺失值。例如，设定na_values=['-', 'nan', 'N/A']，即当读取数据时遇到‘-’、‘nan’、‘N/A’字符时，都视为缺失值。
• keep_default_na: 忽略默认的缺失值标记（如‘N/A’、‘NA’等），只当na_values参数中的缺失标记被匹配时才认为数据缺失。
• comment: 注释行开始字符，即遇到该字符，该行以及之后的内容都会被忽略。
• encoding: 指定编码格式，如utf-8、gbk等。
• compression: 文件压缩方式，一般为gzip、bz2、xz、zip或者None。
• thousands: 千分位分隔符，如‘,’或‘.’等。
• decimal: 小数点分隔符，如‘.’或‘,’等。
• chunksize: 分块大小，适用于大文件的读取，每次读取指定大小的数据量，避免内存占用过大。
• dayfirst: 如果日期格式为 ‘ DD/MM/YYYY ’ 或 ‘ MM/DD/YYYY ’，则将其设置为True，表示日出现在月的前面。默认为False。
• date_parser: 用于解析日期的函数，默认情况下使用pandas内置的date_parser函数。
• infer_datetime_format: 如果为True，则在尝试解析日期时，使用更快的方法。
• true_values: 自定义True值，如果发现文件中有其他值被用作True值，可以使用这个参数进行指定。
• false_values: 自定义False值，如果发现文件中有其他值被用作False值，可以使用这个参数进行指定。
• quotechar: 字段引用字符，如‘"’或‘’等。
• quoting: 表示引号的常量，可以设置为csv.QUOTE_ALL、csv.QUOTE_MINIMAL、csv.QUOTE_NONNUMERIC或csv.QUOTE_NONE。默认为csv.QUOTE_MINIMAL。
• escapechar: 字段中如果包含quotechar则用该字符进行逃逸

示例说明

下面是使用pandas.read_csv的两个示例：

示例1

import pandas as pd

df = pd.read_csv('data.csv', encoding='utf-8', delimiter=';')
print(df.head())

这个示例中，我们通过read_csv函数读取了一个分号分隔符的文件data.csv，同时指定了编码为utf-8。使用head方法打印了前几行的数据，结果如下：

  Name  Age  Gender
0  Bob   23    Male
1  Amy   29  Female
2  Sam   32    Male
3  Zoe   27  Female

示例2

import pandas as pd

df = pd.read_csv('data.csv', header=None, names=['name', 'age', 'gender'])
print(df.head())

这个示例中，我们通过read_csv函数读取了一个没有表头的文件data.csv，并手动设置了列名。使用head方法打印了前几行的数据，结果如下：

   name  age  gender
0   Bob   23    Male
1   Amy   29  Female
2   Sam   32    Male
3   Zoe   27  Female