pandas.read_csv参数详解

    pandas.read_csv函数的作用是读取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：http://pandas.pydata.org/pandas-docs/stable
dd97
/io.html

实例如下：

#pandas将数据写入csv文件

>>import pandas as pd

>>DATA = {

    'english': ['one','two','three'],

    'number': [1,2,3]

}

>>save = pd.DataFrame(DATA,index=['row1','row2','row3'],columns=['english','number'])

>>print(save)

>>save.to_csv('test1.csv',sep=',')

#使用pandas读取csv文件：
  # sep分隔符，encoding编码header=None自动列名，names自定义列名

  # index_col作为行索引的列（主键）,skiprows跳过行索引,na_values缺失值的替代字符串

>> df = pd.read_csv('test1.csv'，sep=','，encoding='gbk'，names=['column1','column2','column3']，index_col=['column1']，skiprows=[0]，na_values=['NULL'])

>>print(df)

参数：

1、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 

2、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'

3、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）

4、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 

5、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。

6、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。

7、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。

8、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。

9、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。

10、squeeze : boolean, default False

    如果文件值包含一列，则返回一个Series

11、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, ...

12、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。

13、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}

14、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。

15、converters : dict, default None

    列转换函数的字典。key可以是列名或者列的序号。

16、true_values : list, default None

    Values to consider as True

17、false_values : list, default None

   Values to consider as False

18、skipinitialspace : boolean, default False

    忽略分隔符后的空白（默认为False，即不忽略）.

19、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）。

20、skipfooter : int, default 0

    从文件尾部开始忽略。 (c引擎不支持)

21、skip_footer : int, default 0

    不推荐使用：建议使用skipfooter ，功能一样。

22、nrows : int, default None

    需要读取的行数（从文件头开始算起）。

23、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’`.

24、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。

25、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。

26、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。

27、skip_blank_lines : boolean, default True

    如果为True，则跳过空行；否则记为NaN。

28、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"

29、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。

30、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。

31、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。

32、dayfirst : boolean, default False

    DD/MM格式的日期类型

33、iterator : boolean, default False

    返回一个TextFileReader 对象，以便逐块处理文件。

34、chunksize : int, default None

    文件块的大小， See IO Tools docs for more informationon iterator and chunksize.

35、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

35、thousands : str, default None

    千分位分割符，如“，”或者“."

36、decimal : str, default ‘.’

    字符中的小数点 (例如：欧洲数据使用’，‘).

37、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.

38、lineterminator : str (length 1), default None

    行分割符，只在C解析器下使用。

39、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。

40、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)

41、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。

42、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。

43、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。

44、encoding : str, default None

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

45、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

46、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)

47、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）。

48、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）。

49、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）

50、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

52、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

53、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。

54、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。