Python Pandas教程之使用 pandas.read_csv() 读取 csv

下面是使用 pandas.read_csv() 读取 csv 的完整攻略：

1. 为什么选择 pandas.read_csv() 读取 csv 文件

pandas.read_csv()是一个重要的数据分析功能， 它可以读取 CSV（逗号分隔值）格式的文件。CSV文件是一种通用的，跨平台的文件格式，用于在不同的软件和系统之间传输数据。在数据分析过程中，通常会有许多不同的CSV文件，这些文件保存在不同的文件夹中，并且每个文件都具有不同的列和行。pandas.read_csv() 可以帮助我们快速地读取 CSV 文件，使我们可以轻松处理它们，以便进一步分析和可视化。

2. 使用 pandas.read_csv() 读取 csv 文件的具体方法

pandas.read_csv()的使用方法非常简单，只需调用这个函数，并将 CSV 文件的名称（包括路径）作为参数即可。下面展示了一条基本的读取 csv 文件的代码，这里使用了 pandas 的别名 pd：

import pandas as pd
df = pd.read_csv('example.csv')

在这个例子中，我们将 CSV 文件名 'example.csv' 传递给 pandas.read_csv()函数，并将返回的数据存储在名为 'df' 的 dataframe 中。

3. 文件路径和参数使用示例

3.1 读取单个csv文件

为了更好说明 read_csv 的使用方法， 我们使用如下两个 csv 文件：

• data1.csv 路径： /home/user/data1.csv
• data2.csv 路径： /home/user/data2.csv

接下来我们展示如何使用 pandas.read_csv() 读取单个 csv 文件，下面的示例演示了如何读取数据文件 data1.csv：

#导入pandas
import pandas as pd  

#读入数据
df = pd.read_csv('/home/user/data1.csv',header=None,encoding='gbk')  

#显示数据
print(df)

在这个例子中，我们将CSV文件的路径传递给pandas.read_csv()函数，并使用 header 告诉 read_csv 文件的第一行是否是列名，默认 header=0。 在本例中，我们不打算使用文件中的第一行作为列名， 所以使用 header=None

3.2 读取多个csv文件

在实际应用中，很少有单个CSV文件的数据源。通常会有多个csv文件的，下面我们介绍一个非常有用的技巧：如何用 pandas.concat() 将多个 CSV 文件合并在一起。

假设我们有两个文件 /home/user/data1.csv 和 /home/user/data2.csv ，因为他们的列名和行数都相同， 我们可以使用 pandas.concat() 将它们合并在一起：

#导入pandas
import pandas as pd  

#读入数据
df1 = pd.read_csv('/home/user/data1.csv',header=None,encoding='gbk')  
df1.columns = ['col1','col2']

df2 = pd.read_csv('/home/user/data2.csv',header=None,encoding='utf-8')  
df2.columns = ['col1','col2']

#合并数据
result_df = pd.concat([df1,df2],ignore_index=True)

#显示合并后的数据
print(result_df)

在这个例子中，我们使用pandas.read_csv()函数读取两个文件， 并将结果存储在df1 和 df2 数据框中，使用 columns 参数将第一行作为列名。之后我们使用 pd.concat 函数将两个数据框合并成一个，使用 ignore_index=True 使他们重新编号。

4. 总结

pandas.read_csv() 是一个非常重要同时也容易使用的函数，它可以将 CSV 格式的数据轻松地读入Dataframe中。在数据分析的过程中，许多数据集都使用 CSV 格式，所以掌握这个函数是非常重要的。在使用时，我们只需要向函数传递文件的路径和所需的任何参数即可开始读取 csv 文件。同时，我们也介绍了如何使用Concat()函数将多个CSV文件合并成一个Dataframe。