詳解Python中Pandas read_csv參數(shù)使用
前言
在使用 Pandas 進(jìn)行數(shù)據(jù)分析和處理時(shí)，read_csv 是一個(gè)非常常用的函數(shù)，用于從 CSV 文件中讀取數(shù)據(jù)并將其轉(zhuǎn)換成 DataFrame 對(duì)象。read_csv 函數(shù)具有多個(gè)參數(shù)，可以根據(jù)不同的需求進(jìn)行靈活的配置。本文將詳細(xì)介紹 read_csv 函數(shù)的各個(gè)參數(shù)及其用法，幫助大家更好地理解和利用這一功能。
常用參數(shù)概述
pandas的 read_csv 函數(shù)用于讀取CSV文件。以下是一些常用參數(shù)：
- filepath_or_buffer: 要讀取的文件路徑或?qū)ο蟆?/li>
- sep: 字段分隔符，默認(rèn)為,。
- delimiter: 字段分隔符，sep的別名。
- header: 用作列名的行號(hào)，默認(rèn)為0（第一行），如果沒(méi)有列名則設(shè)為None。
- names: 列名列表，用于結(jié)果DataFrame。
- index_col: 用作索引的列編號(hào)或列名。
- usecols: 返回的列，可以是列名的列表或由列索引組成的列表。
- dtype: 字典或列表，指定某些列的數(shù)據(jù)類型。
- skiprows: 需要忽略的行數(shù)（從文件開(kāi)頭算起），或需要跳過(guò)的行號(hào)列表。
- nrows: 需要讀取的行數(shù)（從文件開(kāi)頭算起）。
- skipfooter: 文件尾部需要忽略的行數(shù)。
- encoding: 文件編碼（如’utf-8’，'latin-1’等）。
- parse_dates: 將某些列解析為日期。
- infer_datetime_format: 如果 True 且 parse_dates 未指定，那么將嘗試解析日期。
- iterator: 如果 True，返回 TextFileReader 對(duì)象，用于逐塊讀取文件。
- chunksize: 每個(gè)塊的行數(shù)，用于逐塊讀取文件。
- compression: 壓縮格式，例如 ‘gzip’ 或 ‘xz’
filepath_or_buffer要讀取的文件路徑或?qū)ο?/strong>
filepath_or_buffer: FilePath | ReadCsvBuffer[bytes] | ReadCsvBuffer[str]可以接收3種類型，文件路徑，讀取文件的bytes， 讀取文件的str。
可以接受任何有效的字符串路徑。該字符串可以是 URL。有效的 URL 方案包括 http、ftp、s3、gs 和 file。對(duì)于文件 URL，需要主機(jī)。本地文件可以是：file://localhost/path/to/table.csv。
想傳入一個(gè)路徑對(duì)象，pandas 接受任何 Path
類文件對(duì)象是指具有 read() 方法的對(duì)象，例如文件句柄（例如通過(guò)內(nèi)置 open 函數(shù)）或 StringIO。
示例如下：
# 讀取字符串路徑
import pandas
from pathlib import Path
# 1.相對(duì)路徑，或文件絕對(duì)路徑
df1 = pandas.read_csv('data.csv')
print(df1)
# 文件路徑對(duì)象Path
file_path = Path(__file__).parent.joinpath('data.csv')
df2 = pandas.read_csv(file_path)
print(df2)
# 讀取url地址
df3 = pandas.read_csv('http://127.0.0.1:8000/static/data.csv')
print(df3)
# 讀取文件對(duì)象
with open('data.csv', encoding='utf8') as fp:
df4 = pandas.read_csv(fp)
print(df4)
sep: 字段分隔符，默認(rèn)為,
sep 字段分隔符，默認(rèn)為,
delimiter（同sep，分隔符）
示例如下：
df1 = pandas.read_csv('data.csv', sep=',')
print(df1)
df2 = pandas.read_csv('data.csv', delimiter=',')
print(df2)
header 用作列名的行號(hào)
header: 指定哪一行作為列名，默認(rèn)為0，即第一行，如果沒(méi)有列名則設(shè)為None。
如下數(shù)據(jù)，沒(méi)有header
張三,男,22,123@qq.com
李四,男,23,222@qq.com
王五,女,24,233@qq.com
張六,男,22,123@qq.com
# 讀取示例
df6 = pandas.read_csv('data2.csv', header=None)
print(df6)
names自定義列名
names自定義列名，如果header=None，則可以使用該參數(shù)。
df6 = pandas.read_csv(
'data2.csv',
header=None,
names=['姓名', '性別', '年齡', '郵箱'])
print(df6)
index_col 用作行索引的列編號(hào)或列名
index_col參數(shù)在使用pandas的read_csv函數(shù)時(shí)用于指定哪一列作為DataFrame的索引。
如果設(shè)置為None（默認(rèn)值），CSV文件中的行索引將用作DataFrame的索引。如果設(shè)置為某個(gè)列的位置（整數(shù)）或列名（字符串），則該列將被用作DataFrame的索引。
import pandas as pd
# 我們想要將'`email`'列作為DataFrame的索引
df8 = pd.read_csv('data.csv', index_col='email')
print(df8)
# 或者，如果我們知道'email'列在第4列的位置，也可以這樣指定
df9 = pd.read_csv('data.csv', index_col=3)
print(df9)
usecols 讀取指定的列
usecols 讀取指定的列，可以是列名或列編號(hào)。
import pandas as pd
# 1.指定列的編號(hào)
df10 = pd.read_csv('data.csv', usecols=[0, 1])
print(df10)
# 2.指定列的名稱
df11 = pd.read_csv('data.csv', usecols=['name', 'sex'])
print(df11)
skiprows 、nrows 和skipfooter
skiprows: 需要忽略的行數(shù)（從文件開(kāi)頭算起），或需要跳過(guò)的行號(hào)列表。
nrows: 需要讀取的行數(shù)（從文件開(kāi)頭算起）
skipfooter: 文件尾部需要忽略的行數(shù)。
示例如下：
# skiprpws忽略的行數(shù)
import pandas as pd
# 跳過(guò)前面2行
df15 = pd.read_csv('data.csv', skiprows=2)
print(df15)
# nrows 需要讀取的行數(shù)
import pandas as pd
# 讀取前面2行
df15 = pd.read_csv('data.csv', nrows=2)
print(df15)
# 文件尾部需要忽略的行數(shù)
import pandas as pd
# 忽略文件尾部3行
df15 = pd.read_csv('data.csv', skipfooter=3)
print(df15)
parse_dates 將某些列解析為日期
示例如下：
name,time,date
Bob,21:33:30,2019-10-10
Jerry,21:30:15,2019-10-10
Tom,21:25:30,2019-10-10
Vince,21:20:10,2019-10-10
Hank,21:40:15,2019-10-10
import pandas as pd
# 1.指定列的編號(hào)
df16 = pd.read_csv('data.csv')
print(df16)
-------------
# 結(jié)果如下：
name time date
0 Bob 21:33:30 2019-10-10
1 Jerry 21:30:15 2019-10-10
2 Tom 21:25:30 2019-10-10
3 Vince 21:20:10 2019-10-10
4 Hank 21:40:15 2019-10-10
默認(rèn)讀取的date日期是字符串類型，使用parse_dates 參數(shù)轉(zhuǎn)成datetime類型。
import pandas as pd
df16 = pd.read_csv('ddd.csv')
print(df16.to_dict()) # 'date': {0: '2019-10-10', 1: '2019-10-10',
df17 = pd.read_csv('ddd.csv', parse_dates=['date'])
print(df17.to_dict()) # 'date': {0: Timestamp('2019-10-10 00:00:00')
總結(jié)
通過(guò)本文的介紹，大家應(yīng)該對(duì) Pandas 中 read_csv 函數(shù)的參數(shù)有了更全面的了解。在實(shí)際應(yīng)用中，根據(jù)數(shù)據(jù)的特點(diǎn)和處理需求，靈活使用 read_csv 的各種參數(shù)，可以更輕松、高效地進(jìn)行數(shù)據(jù)讀取和預(yù)處理，為數(shù)據(jù)分析和建模提供更好的基礎(chǔ)。
以上就是詳解Python中Pandas read_csv參數(shù)使用的詳細(xì)內(nèi)容，更多關(guān)于Pandas read_csv參數(shù)的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！
相關(guān)文章
python自動(dòng)化實(shí)現(xiàn)的簡(jiǎn)單使用
本文主要介紹了python自動(dòng)化實(shí)現(xiàn)的簡(jiǎn)單使用，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2022-06-06
python多線程http下載實(shí)現(xiàn)示例
python多線程http下載實(shí)現(xiàn)示例,大家參考使用吧2013-12-12
Python深度學(xué)習(xí)pytorch神經(jīng)網(wǎng)絡(luò)匯聚層理解
通常當(dāng)我們處理圖像時(shí)，我們希望逐漸降低隱藏表示的空間分辨率，聚集信息，這樣隨著我們?cè)谏窠?jīng)網(wǎng)絡(luò)層疊的上升，每個(gè)神經(jīng)元對(duì)其敏感的感受野（輸入）就越大2021-10-10
Python利用模糊哈希實(shí)現(xiàn)對(duì)比文件相似度
對(duì)比兩個(gè)文件相似度，python中可通過(guò)difflib.SequenceMatcher/ssdeep/python_mmdt/tlsh實(shí)現(xiàn)，<BR>在大量需要對(duì)比，且文件較大時(shí)，需要更高的效率，可以考慮模糊哈希，本文就來(lái)和大家詳細(xì)聊聊2023-01-01
這篇文章主要介紹了詳細(xì)介紹Python進(jìn)度條tqdm的使用，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2019-07-07
文本數(shù)據(jù)具有數(shù)據(jù)維度高、數(shù)據(jù)量大且語(yǔ)義復(fù)雜等特點(diǎn),是一種較為復(fù)雜的數(shù)據(jù)類型,下面這篇文章主要給大家介紹了關(guān)于Pandas文本數(shù)據(jù)處理的相關(guān)資料,文中通過(guò)示例代碼介紹的非常詳細(xì),需要的朋友可以參考下2021-08-08
Python繪制計(jì)算機(jī)CPU占有率變化的折線圖
這篇文章主要為大家詳細(xì)介紹了Python繪制計(jì)算機(jī)CPU占有率變化的折線圖，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2022-03-03
python函數(shù)遞歸調(diào)用的實(shí)現(xiàn)
本文主要介紹了python函數(shù)遞歸調(diào)用的實(shí)現(xiàn)，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2023-05-05
CuPy是一個(gè)開(kāi)源矩陣庫(kù)，使用NVIDIA CUDA加速。CuPy使用Python提供GPU加速計(jì)算。CUPY使用CUDA相關(guān)庫(kù)，包括 CuBLAS、CUDNN、Curand、CuoSver、CuPaSeSE、Cufft和NCCL，以充分利用GPU架構(gòu)2021-11-11
PyTorch dropout設(shè)置訓(xùn)練和測(cè)試模式的實(shí)現(xiàn)
這篇文章主要介紹了PyTorch dropout設(shè)置訓(xùn)練和測(cè)試模式的實(shí)現(xiàn)方式，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。2021-05-05