[pandas] read_csv()

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)

可以是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。如果不指定參數，則會嘗試使用逗號分隔。分隔符長於一個字符並且不是's+',將使用python的語法分析器。並且忽略數據中的逗號。正則表達式例子：' '

 

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，等效於設定sep='s+'。如果這個參數設定為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。如果明確設定header=0 就會替換掉原來存在列名。header參數可以是一個list例如：[0,1,3]，這個list表示將文件中的這些行作為列標題（意味著每一列有多個標題），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行將被作為多級標題出現，第3行數據將被丟棄，dataframe的數據從第5行開始。）。

注意：如果skip_blank_lines=True 那麼header參數忽略註釋行和空行，所以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，如果數據文件中沒有列標題行，就需要執行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。

如果文件不規則，行尾有分隔符，則可以設定index_col=False 來是的pandas不適用第一列作為行索引。

 

usecols  : array-like, default None

返回一個數據子集，該列表中的值必須可以對應到文件中的位置（數字可以對應到指定的列）或者是字符傳為文件中的列名。例如：usecols有效參數可能是[0,1,2]或者是['foo', 'bar', 'baz']。使用這個參數可以加快加載速度並降低內存消耗。

 

as_recarray  : boolean, default False

不贊成使用：該參數會在未來版本移除。請使用pd.read_csv(...).to_records()替代。

返回一個Numpy的recarray來替代DataFrame。如果該參數設定為True。將會優先squeeze參數使用。並且行索引將不再可用，索引列也將被忽略。

 

squeeze  : boolean, default False

如果文件值包含一列，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' 成為X0, X1, ...

 

mangle_dupe_cols  : boolean, default True

重複的列，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。

 

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。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  : 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)

 

skip_footer  : int, default 0

不推薦使用：建議使用skipfooter ，功能一樣。

 

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

一組用於替換NA/NaN的值。如果傳參，需要製定特定列的空值。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，並且keep_default_na=False，那麼默認的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）。對於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。

 

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. eg If [1, 2, 3] -> 解析1,2,3列的值作為獨立的日期列；
• list of lists. eg If [[1, 3]] -> 合併1,3列作為一個日期列使用
• dict, eg {'foo' : [1, 3]} -> 將1,3列合併，並給合併後的列起名為"foo"

 

infer_datetime_format  : boolean, default False

如果設定為True並且parse_dates 可用，那麼pandas將嘗試轉換為日期類型，如果可以轉換，轉換方法並解析。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

用於解析日期的函數，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

 

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 information on iterator and chunksize.

 

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

直接使用磁盤上的壓縮文件。如果使用infer參數，則使用gzip, bz2, zip或者解壓文件名中以'.gz', '.bz2', '.zip', or 'xz'這些為後綴的文件，否則不解壓。如果使用zip，那麼ZIP包中國必須只包含一個文件。設置為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，並且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

標識著多餘的行不被解析。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）註釋行被header和skiprows忽略一樣。例如如果指定comment='#' 解析'#empty a,b,c 1,2,3' 以header=0 那麼返回結果將是以'a,b,c'作為header。

 

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

如果一行包含太多的列，那麼默認不會返回DataFrame ，如果設置成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

如果error_bad_lines =False，並且warn_bad_lines =True 那麼所有的“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，再低內存消耗中解析。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）

 

buffer_lines  : int, default None

不推薦使用，這個參數將會在未來版本移除，因為他的值在解析器中不推薦使用

 

compact_ints  : boolean, default False

不推薦使用，這個參數將會在未來版本移除

如果設置compact_ints=True ，那麼任何有整數類型構成的列將被按照最小的整數類型存儲，是否有符號將取決於use_unsigned 參數

 

use_unsigned  : boolean, default False

不推薦使用：這個參數將會在未來版本移除

如果整數列被壓縮(ie compact_ints=True)，指定被壓縮的列是有符號還是無符號的。

memory_map  : boolean, default False

如果使用的文件在內存內，那麼直接map文件使用。使用這種方式可以避免文件再次進行IO操作。