pandas.read_csv參數詳解

時間 2019-11-30

標籤 pandas.read pandas read csv 參數詳解简体版

原文原文鏈接

pandas.read_csv參數整理

讀取CSV（逗號分割）文件到DataFrame

也支持文件的部分導入和選擇迭代

更多幫助參見： http://pandas.pydata.org/pandas-docs/stable/io.html

參數：

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)

能夠是URL，可用URL類型包括：http, ftp, s3和文件。對於多文件正在準備中

本地文件讀取實例：://localhost/path/to/table.csv

sep : str, default ‘,’

指定分隔符。若是不指定參數，則會嘗試使用逗號分隔。分隔符長於一個字符而且不是‘\s+’,將使用python的語法分析器。而且忽略數據中的逗號。正則表達式例子：'\r\t'

delimiter : str, default None

定界符，備選分隔符（若是指定該參數，則sep參數失效）

delim_whitespace : boolean, default False.

指定空格(例如’ ‘或者’ ‘)是否做爲分隔符使用，等效於設定sep='\s+'。若是這個參數設定爲Ture那麼delimiter 參數失效。

在新版本0.18.1支持

header : int or list of ints, default ‘infer’

指定行數用來做爲列名，數據開始行數。若是文件中沒有列名，則默認爲0，不然設置爲None。若是明確設定header=0 就會替換掉原來存在列名。header參數能夠是一個list例如：[0,1,3]，這個list表示將文件中的這些行做爲列標題（意味着每一列有多個標題），介於中間的行將被忽略掉（例如本例中的2；本例中的數據1,2,4行將被做爲多級標題出現，第3行數據將被丟棄，dataframe的數據從第5行開始。）。

注意：若是skip_blank_lines=True 那麼header參數忽略註釋行和空行，因此header=0表示第一行數據而不是文件的第一行。

names : array-like, default None

用於結果的列名列表，若是數據文件中沒有列標題行，就須要執行header=None。默認列表中不能出現重複，除非設定參數mangle_dupe_cols=True。

index_col : int or sequence or False, default None

用做行索引的列編號或者列名，若是給定一個序列則有多個行索引。

若是文件不規則，行尾有分隔符，則能夠設定index_col=False 來是的pandas不適用第一列做爲行索引。

usecols : array-like, default None

返回一個數據子集，該列表中的值必須能夠對應到文件中的位置（數字能夠對應到指定的列）或者是字符傳爲文件中的列名。例如：usecols有效參數多是 [0,1,2]或者是 [‘foo’, ‘bar’, ‘baz’]。使用這個參數能夠加快加載速度並下降內存消耗。

as_recarray : boolean, default False

不同意使用：該參數會在將來版本移除。請使用pd.read_csv(...).to_records()替代。

返回一個Numpy的recarray來替代DataFrame。若是該參數設定爲True。將會優先squeeze參數使用。而且行索引將再也不可用，索引列也將被忽略。

squeeze : boolean, default False

若是文件值包含一列，則返回一個Series

prefix : str, default None

在沒有列標題時，給列添加前綴。例如：添加‘X’ 成爲 X0, X1, ...

mangle_dupe_cols : boolean, default True

重複的列，將‘X’...’X’表示爲‘X.0’...’X.N’。若是設定爲false則會將全部重名列覆蓋。

dtype : Type name or dict of column -> type, default None

每列數據的數據類型。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。能夠選擇C或者是python。C引擎快可是Python引擎功能更加完備。

converters : dict, default None

列轉換函數的字典。key能夠是列名或者列的序號。

true_values : list, default None

Values to consider as True

false_values : list, default None

Values to consider as False

skipinitialspace : boolean, default False

忽略分隔符後的空白（默認爲False，即不忽略）.

skiprows : list-like or integer, default None

須要忽略的行數（從文件開始處算起），或須要跳過的行號列表（從0開始）。

skipfooter : int, default 0

從文件尾部開始忽略。 (c引擎不支持)

skip_footer : int, default 0

不推薦使用：建議使用skipfooter ，功能同樣。

nrows : int, default None

須要讀取的行數（從文件頭開始算起）。

na_values : scalar, str, list-like, or dict, default None

一組用於替換NA/NaN的值。若是傳參，須要制定特定列的空值。默認爲‘1.#IND’, ‘1.#QNAN’, ‘N/A’, ‘NA’, ‘NULL’, ‘NaN’, ‘nan’`.

keep_default_na : bool, default True

若是指定na_values參數，而且keep_default_na=False，那麼默認的NaN將被覆蓋，不然添加。

na_filter : boolean, default True

是否檢查丟失值（空字符串或者是空值）。對於大文件來講數據集中沒有空值，設定na_filter=False能夠提高讀取速度。

verbose : boolean, default False

是否打印各類解析器的輸出信息，例如：「非數值列中缺失值的數量」等。

skip_blank_lines : boolean, default True

若是爲True，則跳過空行；不然記爲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列的值做爲獨立的日期列；
list of lists. e.g. If [[1, 3]] -> 合併1,3列做爲一個日期列使用
dict, e.g. {‘foo’ : [1, 3]} -> 將1,3列合併，並給合併後的列起名爲"foo"

infer_datetime_format : boolean, default False

若是設定爲True而且parse_dates 可用，那麼pandas將嘗試轉換爲日期類型，若是能夠轉換，轉換方法並解析。在某些狀況下會快5~10倍。

keep_date_col : boolean, default False

若是鏈接多列解析日期，則保持參與鏈接的列。默認爲False。

date_parser : function, default None

用於解析日期的函數，默認使用dateutil.parser.parser來作轉換。Pandas嘗試使用三種不一樣的方式解析，若是遇到問題則使用下一種方式。

1.使用一個或者多個arrays（由parse_dates指定）做爲參數；

2.鏈接指定多列字符串做爲一個列做爲參數；

3.每行調用一次date_parser函數來解析一個或者多個字符串（由parse_dates指定）做爲參數。

dayfirst : boolean, default False

DD/MM格式的日期類型

iterator : boolean, default False

返回一個TextFileReader 對象，以便逐塊處理文件。

chunksize : int, default None

文件塊的大小， See IO Tools docs for more informationon iterator and chunksize.

compression : {‘infer’, ‘gzip’, ‘bz2’, ‘zip’, ‘xz’, None}, default ‘infer’

直接使用磁盤上的壓縮文件。若是使用infer參數，則使用 gzip, bz2, zip或者解壓文件名中以‘.gz’, ‘.bz2’, ‘.zip’, or ‘xz’這些爲後綴的文件，不然不解壓。若是使用zip，那麼ZIP包中國必須只包含一個文件。設置爲None則不解壓。

新版本0.18.1版本支持zip和xz解壓

thousands : str, default None

千分位分割符，如「，」或者「."

decimal : str, default ‘.’

字符中的小數點 (例如：歐洲數據使用’，‘).

float_precision : string, default None

Specifies which converter the C engine should use for floating-point values. The options are None for the ordinary converter, high for the high-precision converter, and round_trip for the round-trip converter.

指定

lineterminator : str (length 1), default None

行分割符，只在C解析器下使用。

quotechar : str (length 1), optional

引號，用做標識開始和解釋的字符，引號內的分割符將被忽略。

quoting : int or csv.QUOTE_* instance, default 0

控制csv中的引號常量。可選 QUOTE_MINIMAL (0), QUOTE_ALL (1), QUOTE_NONNUMERIC (2) or QUOTE_NONE (3)

doublequote : boolean, default True

雙引號，當單引號已經被定義，而且quoting 參數不是QUOTE_NONE的時候，使用雙引號表示引號內的元素做爲一個元素使用。

escapechar : str (length 1), default None

當quoting 爲QUOTE_NONE時，指定一個字符使的不受分隔符限值。

comment : str, default None

標識着多餘的行不被解析。若是該字符出如今行首，這一行將被所有忽略。這個參數只能是一個字符，空行（就像skip_blank_lines=True）註釋行被header和skiprows忽略同樣。例如若是指定comment='#' 解析‘#empty\na,b,c\n1,2,3’ 以header=0 那麼返回結果將是以’a,b,c'做爲header。

encoding : str, default None

指定字符集類型，一般指定爲'utf-8'. List of Python standard encodings

dialect : str or csv.Dialect instance, default None

若是沒有指定特定的語言，若是sep大於一個字符則忽略。具體查看csv.Dialect 文檔

tupleize_cols : boolean, default False

Leave a list of tuples on columns as is (default is to convert to a Multi Index on the columns)

error_bad_lines : boolean, default True

若是一行包含太多的列，那麼默認不會返回DataFrame ，若是設置成false，那麼會將改行剔除（只能在C解析器下使用）。

warn_bad_lines : boolean, default True

若是error_bad_lines =False，而且warn_bad_lines =True 那麼全部的「bad lines」將會被輸出（只能在C解析器下使用）。

low_memory : boolean, default True

分塊加載到內存，再低內存消耗中解析。可是可能出現類型混淆。確保類型不被混淆須要設置爲False。或者使用dtype 參數指定類型。注意使用chunksize 或者iterator 參數分塊讀入會將整個文件讀入到一個Dataframe，而忽略類型（只能在C解析器中有效）