Pandas的read_csv函数参数分析详解
函数原型
pd.read_csv(filepath_or_buffer,sep=',',delimiter=None,header='infer',names=None,index_col=None,usecols=None,squeeze=False,prefix=None,mangle_dupe_cols=True,dtype=None,engine=None,converters=None,true_values=None,false_values=None,skipinitialspace=False,skiprows=None,nrows=None,na_values=None,keep_default_na=True,na_filter=True,verbose=False,skip_blank_lines=True,parse_dates=False,infer_datetime_format=False,keep_date_col=False,date_parser=None,dayfirst=False,iterator=False,chunksize=None,compression='infer',thousands=None,decimal=b'.',lineterminator=None,quotechar='"',quoting=0,escapechar=None,comment=None,encoding=None,dialect=None,tupleize_cols=False,error_bad_lines=True,warn_bad_lines=True,skipfooter=0,skip_footer=0,doublequote=True,delim_whitespace=False,as_recarray=False,compact_ints=False,use_unsigned=False,low_memory=True,buffer_lines=None,memory_map=False,float_precision=None)
必填参数
filepath_or_buffer:str，pathlib。str,pathlib.Path, py._path.local.LocalPathoranyobjectwitharead()method (suchasafilehandleorStringIO)
读取文件路径，可以是URL，可用URL类型包括：http,ftp,s3和文件。
常用参数
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。csv文件一般为逗号分隔符。
delimiter：str,defaultNone
定界符，备选分隔符（如果指定该参数，则sep参数失效）
delim_whitespace:boolean,defaultFalse.
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。
header:intorlistofints,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。对于数据读取有表头和没表头的情况很实用
header:intorlistofints,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。
names: array-like,defaultNone
用于结果的列名列表，对各列重命名，即添加表头。
如数据有表头，但想用新的表头，可以设置header=0,names=['a','b']实现表头定制。
index_col:intorsequenceorFalse,defaultNone
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。
可使用index_col=[0,1]来指定文件中的第1和2列为索引列。
usecols:array-like,defaultNone
返回一个数据子集，即选取某几列，不读取整个文件的内容，有助于加快速度和降低内存。
usecols=[1,2]或usercols=['a','b']
squeeze:boolean,defaultFalse
如果文件只包含一列，则返回一个Series
prefix: str,defaultNone
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,defaultTrue
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。
不太常用参数
dtype:Typenameordictofcolumn->type,defaultNone
每列数据的数据类型。例如{‘a':np.float64,‘b':np.int32}
engine: {‘c',‘python'},optional
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,defaultNone
列转换函数的字典。key可以是列名或者列的序号。
true_values和false_values: list,defaultNone
ValuestoconsiderasTrueorFalse
skipinitialspace:boolean,defaultFalse
忽略分隔符后的空白（默认为False，即不忽略）
skiprows:list-likeorinteger,defaultNone
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,default0
从文件尾部开始忽略。(c引擎不支持)
nrows:int,defaultNone
需要读取的行数（从文件头开始算起）。
na_values:scalar,str,list-like,ordict,defaultNone
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,defaultTrue
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,defaultTrue
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,defaultFalse
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,defaultTrue
如果为True，则跳过空行；否则记为NaN。
encoding:str,defaultNone
指定字符集类型，通常指定为'utf-8'.ListofPythonstandardencodings
dialect:strorcsv.Dialectinstance,defaultNone
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,defaultFalse
Leavealistoftuplesoncolumnsasis(defaultistoconverttoaMultiIndexonthecolumns)
error_bad_lines:boolean,defaultTrue
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,defaultTrue
如果error_bad_lines=False，并且warn_bad_lines=True那么所有的“badlines”将会被输出（只能在C解析器下使用）。
low_memory:boolean,defaultTrue
分块加载到内存，在低内存消耗中解析。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）
日期类型相关参数
parse_dates:booleanorlistofintsornamesorlistoflistsordict,defaultFalse
boolean.True->解析索引
listofintsornames.e.g.If[1,2,3]->解析1,2,3列的值作为独立的日期列；
listoflists.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"
示例：df=pd.read_csv(file_path,parse_dates=['time1','time2'])，
把time1和time2两列解析为日期格式。
这里不得不说，很遗憾中文不行，比如‘4月5日'这种格式就不能解析。
infer_datetime_format:boolean,defaultFalse
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,defaultFalse
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,defaultNone
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,defaultFalse
DD/MM格式的日期类型
大文件常用参数
iterator:boolean,defaultFalse
返回一个TextFileReader对象，以便逐块处理文件。
chunksize:int,defaultNone
文件块的大小，SeeIOToolsdocsformoreinformationoniteratorandchunksize.
chunksize:int,defaultNone
文件块的大小，SeeIOToolsdocsformoreinformationoniteratorandchunksize.
chunksize:int,defaultNone
文件块的大小，SeeIOToolsdocsformoreinformationoniteratorandchunksize.
decimal:str,default‘.'
字符中的小数点(例如：欧洲数据使用'，‘).
float_precision:string,defaultNone
SpecifieswhichconvertertheCengineshoulduseforfloating-pointvalues.
TheoptionsareNonefortheordinaryconverter,highforthehigh-precisionconverter,
andround_tripfortheround-tripconverter.
lineterminator:str(length1),defaultNone
行分割符，只在C解析器下使用。
quotechar:str(length1),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:intorcsv.QUOTE_*instance,default0
控制csv中的引号常量。
可选QUOTE_MINIMAL(0),QUOTE_ALL(1),QUOTE_NONNUMERIC(2)orQUOTE_NONE(3)
doublequote:boolean,defaultTrue
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(length1),defaultNone
当quoting为QUOTE_NONE时，指定一个字符使的不受分隔符限值。
comment:str,defaultNone
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。
读取多个文件
#读取多个文件
importpandas
importglob
forringlob.glob("test*.csv"):
csv=pandas.read_csv(r)
csv.to_csv("test.txt",mode="a+")
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毛票票。