pandas.read_csv参数整理 读取CSV(逗号分割)文件到DataFrame 也支持文件的部分导入和选择迭代 更多帮助参见: http://pandas.pydata.org/pandas-docs/stable/io.html 参数: filepath_or_buffer : str,pathlib。str, pathlib.Path, py._path.local.LocalPath or any object with a read() method (such as a file handle or StringIO) 可以是URL,可用URL类型包括:http, ftp, s3和文件。对于多文件正在准备中 本地文件读取实例:://localhost/path/to/table.csv sep : str, default ‘,’ 指定分隔符。如果不指定参数,则会尝试使用逗号分隔。分隔符长于一个字符并且不是‘\s+’,将使用python的语法分析器。并且忽略数据中的逗号。正则表达式例子:'\r\t' delimiter : str, default None 定界符,备选分隔符(如果指定该参数,则sep参数失效) delim_whitespace : boolean, default False. 指定空格(例如’ ‘或者’ ‘)是否作为分隔符使用,等效于设定sep='\s+'。如果这个参数设定为Ture那么delimiter 参数失效。 在新版本0.18.1支持 header : int or list of ints, default ‘infer’ 指定行数用来作为列名,数据开始行数。如果文件中没有列名,则默认为0,否则设置为None。如果明确设定header=0 就会替换掉原来存在列名。header参数可以是一个list例如:[0,1,3],这个list表示将文件中的这些行作为列标题(意味着每一列有多个标题),介于中间的行将被忽略掉(例如本例中的2;本例中的数据1,2,4行将被作为多级标题出现,第3行数据将被丢弃,dataframe的数据从第5行开始。)。 注意:如果skip_blank_lines=True 那么header参数忽略注释行和空行,所以header=0表示第一行数据而不是文件的第一行。 names : array-like, default None 用于结果的列名列表,如果数据文件中没有列标题行,就需要执行header=None。默认列表中不能出现重复,除非设定参数mangle_dupe_cols=True。 index_col : int or sequence or False, default None 用作行索引的列编号或者列名,如果给定一个序列则有多个行索引。 如果文件不规则,行尾有分隔符,则可以设定index_col=False 来是的pandas不适用第一列作为行索引。 usecols : array-like, default None 返回一个数据子集,该列表中的值必须可以对应到文件中的位置(数字可以对应到指定的列)或者是字符传为文件中的列名。例如:usecols有效参数可能是 [0,1,2]或者是 [‘foo’, ‘bar’, ‘baz’]。使用这个参数可以加快加载速度并降低内存消耗。 as_recarray : boolean, default False 不赞成使用:该参数会在未来版本移除。请使用pd.read_csv(...).to_records()替代。 返回一个Numpy的recarray来替代DataFrame。如果该参数设定为True。将会优先squeeze参数使用。并且行索引将不再可用,索引列也将被忽略。 squeeze : boolean, default False 如果文件值包含一列,则返回一个Series prefix : str, default None 在没有列标题时,给列添加前缀。例如:添加‘X’ 成为 X0, X1, ... mangle_dupe_cols : boolean, default True 重复的列,将‘X’...’X’表示为‘X.0’...’X.N’。如果设定为false则会将所有重名列覆盖。 dtype : Type name or dict of column -> type, default None 每列数据的数据类型。例如 {‘a’: np.float64, ‘b’: np.int32} engine : {‘c’, ‘python’}, optional Parser engine to use. The C engine is faster while the python engine is currently more feature-complete. 使用的分析引擎。可以选择C或者是python。C引擎快但是Python引擎功能更加完备。 converters : dict, default None 列转换函数的字典。key可以是列名或者列的序号。 true_values : list, default None Values to consider as True false_values : list, default None Values to consider as False skipinitialspace : boolean, default False 忽略分隔符后的空白(默认为False,即不忽略). skiprows : list-like or integer, default None 需要忽略的行数(从文件开始处算起),或需要跳过的行号列表(从0开始)。 skipfooter : int, default 0 从文件尾部开始忽略。 (c引擎不支持) skip_footer : int, default 0 不推荐使用:建议使用skipfooter ,功能一样。 nrows : int, default None 需要读取的行数(从文件头开始算起)。 na_values : scalar, str, list-like, or dict, default None 一组用于替换NA/NaN的值。如果传参,需要制定特定列的空值。默认为‘1.#IND’, ‘1.#QNAN’, ‘N/A’, ‘NA’, ‘NULL’, ‘NaN’, ‘nan’`. keep_default_na : bool, default True 如果指定na_values参数,并且keep_default_na=False,那么默认的NaN将被覆盖,否则添加。 na_filter : boolean, default True 是否检查丢失值(空字符串或者是空值)。对于大文件来说数据集中没有空值,设定na_filter=False可以提升读取速度。 verbose : boolean, default False 是否打印各种解析器的输出信息,例如:“非数值列中缺失值的数量”等。 skip_blank_lines : boolean, default True 如果为True,则跳过空行;否则记为NaN。 parse_dates : boolean or list of ints or names or list of lists or dict, default False
- boolean. True -> 解析索引
- list of ints or names. e.g. If [1, 2, 3] -> 解析1,2,3列的值作为独立的日期列;
- list of lists. e.g. If [[1, 3]] -> 合并1,3列作为一个日期列使用
- dict, e.g. {‘foo’ : [1, 3]} -> 将1,3列合并,并给合并后的列起名为"foo"
to_csv DataFrame. to_csv ( path_or_buf=None,sep=',',na_rep='',float_format=None,columns=None,header=True,index=True,index_label=None,mode='w',encoding=None,compression=None,quoting=None,quotechar='"',line_terminator='\n',chunksize=None,tupleize_cols=False,date_format=None,doublequote=True,escapechar=None,decimal='.',**kwds ) Write DataFrame to a comma-separated values (csv) file
Parameters: | path_or_buf : string or file handle, default NoneFile path or object, if None is provided the result is returned as a string.sep : character, default ‘,’ Field delimiter for the output file.na_rep : string, default ‘’ Missing data representationfloat_format : string, default None Format string for floating point numberscolumns : sequence, optional Columns to writeheader : boolean or list of string, default True Write out column names. If a list of string is given it is assumed to be aliases for the column namesindex : boolean, default True Write row names (index)index_label : string or sequence, or False, default None Column label for index column(s) if desired. If None is given, and header and index are True, then the index names are used. A sequence should be given if the DataFrame uses MultiIndex. If False do not print fields for index names. Use index_label=False for easier importing in RnanRep : None deprecated, use na_repmode : str Python write mode, default ‘w’encoding : string, optional A string representing the encoding to use in the output file, defaults to ‘ascii’ on Python 2 and ‘utf-8’ on Python 3.compression : string, optional a string representing the compression to use in the output file, allowed values are ‘gzip’, ‘bz2’, ‘xz’, only used when the first argument is a filenameline_terminator : string, default ‘n’ The newline character or character sequence to use in the output file【python|pandas中to_csv()和read_csv()参数详解】 quoting : optional constant from csv module defaults to csv.QUOTE_MINIMALquotechar : string (length 1), default ‘”’ character used to quote fieldsdoublequote : boolean, default True Control quoting of quotechar inside a fieldescapechar : string (length 1), default None character used to escape sep and quotechar when appropriatechunksize : int or None rows to write at a timetupleize_cols : boolean, default False write multi_index columns as a list of tuples (if True) or new (expanded format) if False)date_format : string, default None Format string for datetime objectsdecimal: string, default ‘.’ Character recognized as decimal separator. E.g. use ‘,’ for European data |
---|
推荐阅读
- 深度学习与数据处理|pandas.read_csv() 详解与如何合适的读取行序号与列名
- 爬虫|selenium爬虫模拟登录PayPal
- python|基于Python的阴阳师后台全平台辅助
- 笔记|Real-SR超分辨网络
- 自学python|Python爬虫,私活接单记录,假日到手5500,美滋滋
- Python技术|无需破解,Python这个神器帮你免费获取资源,赶紧收藏!
- 计算机视觉算法工程师|算法工程师0——算法工程师学习进阶路线
- python|分享一个开源免费、功能强大的视频播放器库
- 程序员|不是学计算机的人工作后才开始学编程晚吗(能找到好工作吗?)