Pandas的read_csv函數參數分析詳解

函數原型

必填參數

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)

讀取文件路徑，可以是URL，可用URL類型包括：http, ftp, s3和文件。

常用參數

sep :str, default ‘,'
指定分隔符。如果不指定參數，則會嘗試使用逗號分隔。csv文件一般為逗號分隔符。

delimiter ： str, default None
定界符，備選分隔符（如果指定該參數，則sep參數失效）

delim_whitespace :boolean, default False.
指定空格(例如' ‘或者' ‘)是否作為分隔符使用，等效于設定sep='\s+'。
如果這個參數設定為Ture那么delimiter 參數失效。

header :int or list of ints, default ‘infer'
指定行數用來作為列名，數據開始行數。如果文件中沒有列名，則默認為0，否則設置為None。對于數據讀取有表頭和沒表頭的情況很實用

header :int or list of ints, default ‘infer'
指定行數用來作為列名，數據開始行數。如果文件中沒有列名，則默認為0，否則設置為None。

names :  array-like, default None
用于結果的列名列表，對各列重命名，即添加表頭。
如數據有表頭，但想用新的表頭，可以設置header=0,names=['a','b']實現表頭定制。

index_col : int or sequence or False, default None
用作行索引的列編號或者列名，如果給定一個序列則有多個行索引。
可使用index_col=[0,1]來指定文件中的第1和2列為索引列。

usecols : array-like, default None
返回一個數據子集，即選取某幾列，不讀取整個文件的內容，有助于加快速度和降低內存。
usecols=[1,2]或usercols=['a','b']

squeeze : boolean, default False
如果文件只包含一列，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' 成為 X0, X1, ...

mangle_dupe_cols : boolean, default True
重復的列，將‘X'...'X'表示為‘X.0'...'X.N'。如果設定為False則會將所有重名列覆蓋。

不太常用參數

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
使用的分析引擎。可以選擇C或者是python。C引擎快但是Python引擎功能更加完備。

converters : dict, default None
列轉換函數的字典。key可以是列名或者列的序號。

true_values和false_values :  list, default None
Values to consider as True or False

skipinitialspace :boolean, default False
忽略分隔符后的空白（默認為False，即不忽略）

skiprows : list-like or integer, default None
需要忽略的行數（從文件開始處算起），或需要跳過的行號列表（從0開始）。

skipfooter : int, default 0
從文件尾部開始忽略。 (c引擎不支持)

nrows : int, default None
需要讀取的行數（從文件頭開始算起）。

na_values : scalar, str, list-like, or dict, default None
一組用于替換NA/NaN的值。如果傳參，需要制定特定列的空值。
默認為‘1.#IND', ‘1.#QNAN', ‘N/A', ‘NA', ‘NULL', ‘NaN', ‘nan'`.

keep_default_na :  bool, default True
如果指定na_values參數，并且keep_default_na=False，那么默認的NaN將被覆蓋，否則添加。

na_filter : boolean, default True
是否檢查丟失值（空字符串或者是空值）。
對于大文件來說數據集中沒有空值，設定na_filter=False可以提升讀取速度。

verbose :boolean, default False
是否打印各種解析器的輸出信息，例如：“非數值列中缺失值的數量”等。

skip_blank_lines :boolean, default True
如果為True，則跳過空行；否則記為NaN。

encoding : str, default None
指定字符集類型，通常指定為'utf-8'. List of Python standard encodings

dialect : str or csv.Dialect instance, default None
如果沒有指定特定的語言，如果sep大于一個字符則忽略。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
如果一行包含太多的列，那么默認不會返回DataFrame ，如果設置成false，那么會將改行剔除（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”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，在低內存消耗中解析。但是可能出現類型混淆。
確保類型不被混淆需要設置為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）

日期類型相關參數

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列的值作為獨立的日期列；
list of lists. e.g. If [[1, 3]] -> 合并1,3列作為一個日期列使用
dict, e.g. {‘foo' : [1, 3]} -> 將1,3列合并，并給合并后的列起名為"foo"

示例：df=pd.read_csv(file_path,parse_dates=['time1','time2'])，
把time1和time2兩列解析為日期格式。
這里不得不說，很遺憾中文不行，比如‘4月5日'這種格式就不能解析。

 infer_datetime_format :boolean, default False
如果設定為True并且parse_dates 可用，那么pandas將嘗試轉換為日期類型，如果可以轉換，轉換方法并解析。
在某些情況下會快5~10倍。

keep_date_col : boolean, default False
如果連接多列解析日期，則保持參與連接的列。默認為False。

date_parser :  function, default None
于解析日期的函數，默認使用dateutil.parser.parser來做轉換。
Pandas嘗試使用三種不同的方式解析，如果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）作為參數；
2.連接指定多列字符串作為一個列作為參數；
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）作為參數。

dayfirst : boolean, default False
DD/MM格式的日期類型

大文件常用參數

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.

chunksize : int, default None
文件塊的大小， See IO Tools docs for more informationon iterator and chunksize.

chunksize : int, default None
文件塊的大小， See IO Tools docs for more informationon iterator and chunksize.

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.

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，用作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，并且quoting 參數不是QUOTE_NONE的時候，
使用雙引號表示引號內的元素作為一個元素使用。

escapechar : str (length 1), default None
當quoting 為QUOTE_NONE時，指定一個字符使的不受分隔符限值。

comment : str, default None
標識著多余的行不被解析。如果該字符出現在行首，這一行將被全部忽略。
這個參數只能是一個字符，空行（就像skip_blank_lines=True）注釋行被header和skiprows忽略一樣。
例如如果指定comment='#' 解析‘#empty\na,b,c\n1,2,3' 以header=0 那么返回結果將是以'a,b,c'作為header。

讀取多個文件

#讀取多個文件
import pandas
import glob
for r in glob.glob("test*.csv"):
    csv=pandas.read_csv(r)
    csv.to_csv("test.txt",mode="a+")

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持億速云。