pandas.read_csv参数详解(小结)

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：

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"

infer_datetime_format : boolean, default false

如果设定为true并且parse_dates 可用，那么pandas将尝试转换为日期类型，如果可以转换，转换方法并解析。在某些情况下会快5~10倍。

keep_date_col : boolean, default false

如果连接多列解析日期，则保持参与连接的列。默认为false。

date_parser : function, default none

用于解析日期的函数，默认使用dateutil.parser.parser来做转换。pandas尝试使用三种不同的方式解析，如果遇到问题则使用下一种方式。

1.使用一个或者多个arrays（由parse_dates指定）作为参数；

2.连接指定多列字符串作为一个列作为参数；

3.每行调用一次date_parser函数来解析一个或者多个字符串（由parse_dates指定）作为参数。

dayfirst : boolean, default false

dd/mm格式的日期类型

iterator : boolean, default false

返回一个textfilereader 对象，以便逐块处理文件。

chunksize : int, default none

文件块的大小， see io tools docs for more informationon iterator and chunksize.

compression : {‘infer', ‘gzip', ‘bz2', ‘zip', ‘xz', none}, default ‘infer'

直接使用磁盘上的压缩文件。如果使用infer参数，则使用 gzip, bz2, zip或者解压文件名中以‘.gz', ‘.bz2', ‘.zip', or ‘xz'这些为后缀的文件，否则不解压。如果使用zip，那么zip包中国必须只包含一个文件。设置为none则不解压。

新版本0.18.1版本支持zip和xz解压

thousands : str, default none

千分位分割符，如“，”或者“."

decimal : str, default ‘.'

字符中的小数点 (例如：欧洲数据使用'，‘).

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

引号，用作标识开始和解释的字符，引号内的分割符将被忽略。

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

控制csv中的引号常量。可选 quote_minimal (0), quote_all (1), quote_nonnumeric (2) or quote_none (3)

doublequote : boolean, default true

双引号，当单引号已经被定义，并且quoting 参数不是quote_none的时候，使用双引号表示引号内的元素作为一个元素使用。

escapechar : str (length 1), default none

当quoting 为quote_none时，指定一个字符使的不受分隔符限值。

comment : str, default none

标识着多余的行不被解析。如果该字符出现在行首，这一行将被全部忽略。这个参数只能是一个字符，空行（就像skip_blank_lines=true）注释行被header和skiprows忽略一样。例如如果指定comment='#' 解析‘#empty\na,b,c\n1,2,3' 以header=0 那么返回结果将是以'a,b,c'作为header。

encoding : str, default none

指定字符集类型，通常指定为'utf-8'. list of python standard encodings

dialect : str or csv.dialect instance, default none

如果没有指定特定的语言，如果sep大于一个字符则忽略。具体查看csv.dialect 文档 

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

如果一行包含太多的列，那么默认不会返回dataframe ，如果设置成false，那么会将改行剔除（只能在c解析器下使用）。

warn_bad_lines : boolean, default true

如果error_bad_lines =false，并且warn_bad_lines =true 那么所有的“bad lines”将会被输出（只能在c解析器下使用）。 

low_memory : boolean, default true

分块加载到内存，再低内存消耗中解析。但是可能出现类型混淆。确保类型不被混淆需要设置为false。或者使用dtype 参数指定类型。注意使用chunksize 或者iterator 参数分块读入会将整个文件读入到一个dataframe，而忽略类型（只能在c解析器中有效）

buffer_lines : int, default none

不推荐使用，这个参数将会在未来版本移除，因为他的值在解析器中不推荐使用

compact_ints : boolean, default false

不推荐使用，这个参数将会在未来版本移除

如果设置compact_ints=true ，那么任何有整数类型构成的列将被按照最小的整数类型存储，是否有符号将取决于use_unsigned 参数

use_unsigned : boolean, default false

不推荐使用：这个参数将会在未来版本移除

如果整数列被压缩(i.e. compact_ints=true)，指定被压缩的列是有符号还是无符号的。

memory_map : boolean, default false

如果使用的文件在内存内，那么直接map文件使用。使用这种方式可以避免文件再次进行io操作。

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。