Python pandas中read_csv参数示例详解

下面是详细的攻略：

Python pandas中read_csv参数示例详解

pandas是Python中一个非常流行的数据处理库，其中的read_csv()函数可以用于读取CSV文件。read_csv()函数有很多参数，本文将介绍其中一些常用的参数及其用法。

参数说明

read_csv()函数的常用参数如下：

• filepath_or_buffer：CSV文件的路径或URL。
• sep：字段分隔符，默认为,。
• header：指定哪一行作为列名，默认为0，即第一行。
• index_col：指定哪一列作为行索引。
• usecols：指定要读取的列。
• dtype：指定每一列的数据类型。
• na_values：指定缺失值的标记。
• skiprows：跳过指定的行数。
• nrows：读取指定的行数。
• skip_blank_lines：是否跳过空行，默认为True。
• encoding：指定文件编码，默认为None，即自动检测编码。

下面是一个示例，演示如何使用read_csv()函数读取CSV文件：

import pandas as pd

# 读取CSV文件
df = pd.read_csv("data.csv")
print(df.head())

在上面的代码中，我们使用pd.read_csv()函数读取名为data.csv的CSV文件，并使用head()函数查看前5行数据。

参数示例

下面是一些常用参数的示例：

1. 指定字段分隔符

import pandas as pd

# 指定字段分隔符
df = pd.read_csv("data.csv", sep=";")
print(df.head())

在上面的代码中，我们使用sep参数指定字段分隔符为;，而不是默认的,。

2. 指定行索引

import pandas as pd

# 指定行索引
df = pd.read_csv("data.csv", index_col="id")
print(df.head())

在上面的代码中，我们使用index_col参数指定id列作为行索引。

3. 指定要读取的列

import pandas as pd

# 指定要读取的列
df = pd.read_csv("data.csv", usecols=["id", "name"])
print(df.head())

在上面的代码中，我们使用usecols参数指定只读取id和name两列。

4. 指定每一列的数据类型

import pandas as pd

# 指定每一列的数据类型
df = pd.read_csv("data.csv", dtype={"id": int, "age": float})
print(df.dtypes)

在上面的代码中，我们使用dtype参数指定id列的数据类型为整数，age列的数据类型为浮点数。

5. 指定缺失值的标记

import pandas as pd

# 指定缺失值的标记
df = pd.read_csv("data.csv", na_values=["NA", "N/A"])
print(df.head())

在上面的代码中，我们使用na_values参数指定NA和N/A为缺失值的标记。

总结

read_csv()函数是pandas库中用于读取CSV文件的函数，具有很多参数。本文介绍了其中一些常用的参数及其用法，包括指定字段分隔符、指定行索引、指定要读取的列、指定每一列的数据类型、指定缺失值的标记等。如果您需要使用pandas库来读取CSV文件，可以参考上述内容。