這里將更新最新的最全面的read_csv()函數功能以及參數介紹，參考資料來源于官網。

pandas庫簡介

官方網站里詳細說明了pandas庫的安裝以及使用方法，在這里獲取最新的pandas庫信息，不過官網僅支持英文。

pandas是一個Python包，并且它提供快速，靈活和富有表現力的數據結構。這樣當我們處理'關系'或'標記'的數據（一維和二維數據結構）時既容易又直觀。

pandas是我們運用Python進行實際、真實數據分析的基礎，同時它是建立在NumPy之上的。

csv文件格式簡介

函數介紹

pandas.csv() 函數將逗號分離的值 （csv） 文件讀入數據框架。還支持可選地將文件讀入塊或將其分解。

函數原型

源文件

pandas.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, skipfooter=0, 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, cache_dates=True, iterator=False, chunksize=None, compression=‘infer’, thousands=None, decimal=’.’, lineterminator=None, quotechar=’'’, quoting=0, doublequote=True, escapechar=None, comment=None, encoding=None, dialect=None, error_bad_lines=True, warn_bad_lines=True, delim_whitespace=False, low_memory=True, memory_map=False, float_precision=None, storage_options=None

函數參數以及含義

輸入

參數名 功能以及含義 filepath_or_buffer 字符串。任何有效的字符串路徑都可以，網址也行。 sep 字符串，表示分隔符，默認為’,’ .。一個字符及以上都可以，注意如果是轉義字符要加’’ delimiter 字符串，sep的別名，默認None header int或者int列表，默認由推斷出來。這是用于規定列名的行號。 names 類似于數組結構，選擇性使用。這是要使用的列名稱列表，與header共同使用。 index_col 整數或者字符串或者整數/字符串列表。指定用作的行標簽的列。 usecols 列表，可用可不用。功能是返回列的子集。 squeeze 布爾值，默認為False。如果解析的數據僅包含一列，則返回一個Series prefix 字符串，選擇性使用。沒有標題時要添加到列號的前綴 mangle_dupe_cols 布爾值，默認為True。重復的列將被指定為“ X”，“ X.1”，……“ X.N”，而不是“ X”……“ X”。如果列中的名稱重復，則False將導致數據被覆蓋。 dtype 類型名稱或者類型列的字典，選擇性使用。數據或列的數據類型。 engine {‘c’, ‘python’}，選擇性使用。要使用的解析器引擎。C引擎速度更快，而python引擎當前功能更完善。 converters 字典，選擇性使用。轉換器，用于轉換某些列中的值的函數的字典。鍵可以是整數或列標簽。 true_value 列表，選擇性使用。視為True的值 false_values 列表，選擇性使用。視為False的值 skipinitialspace 布爾值，默認為False。在定界符后跳過空格。 skiprows 列表或者整數，選擇性使用。在文件開始處要跳過的行號（索引為0）或要跳過的行數（整數）。 skipfooter 整數，默認為0。要跳過的文件底部的行數（不支持engine =‘c’）。 nrows 整數，選擇性使用。要讀取的文件行數。對于讀取大文件很有用。 na_values 標量，字符串，類似列表的字典，選擇性使用。識別為NA / NaN的其他字符串。如果dict通過，則為特定的每列NA值。默認情況下，以下值解釋為NaN：’’，’＃N / A’，’＃N / AN / A’，’＃NA’，’-1.＃IND’，’-1.＃QNAN’， ‘-NaN’，’-nan’，‘1.＃IND’，‘1.＃QNAN’，’’，‘N / A’，‘NA’，‘NULL’，‘NaN’，‘n / a’，‘nan’，‘null’。 keep_default_na 布爾值，默認為True。解析數據時是否包括默認的NaN值。 na_filter 布爾值，默認為True。檢測缺失值標記（空字符串和na_values的值）。請注意，如果將na_filter傳遞為False，則將忽略keep_default_na和 na_values參數。 verbose 布爾值，默認為False。指示放置在非數字列中的NA值的數量。 skip_blank_lines 布爾值，默認為True。如果為True，跳過空白行，并且不解釋為NaN值。 parse_dates 布爾值，整數列表，名稱列表，列表或字典的列表。默認為False。功能是解析為時間。 infer_datetimes_format 布爾值，默認為False。如果啟用True和parse_dates，則pandas將嘗試推斷列中日期時間字符串的格式，并且如果可以推斷出日期格式，就會切換到更快的解析它們的方法。 keep_date_col 布爾值，默認為False。如果True和parse_dates指定合并多個列，則保留原始列。 date_parser 函數，選擇性使用。用于將字符串列序列轉換為日期時間實例數組的函數。 dayfirst 布爾值，默認為False。DD / MM格式的日期，國際和歐洲格式。 cache_dates 布爾值，默認為True。如果為True，則使用唯一的轉換日期緩存來應用datetime轉換。 iterator 布爾值，默認為False。返回TextFileReader對象以進行迭代或使用獲取塊 get_chunk()。 chunksize 整數，選擇性使用。返回TextFileReader對象以進行迭代。 compression {‘infer’, ‘gzip’, ‘bz2’, ‘zip’, ‘xz’, None}，默認為’infer’。用于對磁盤數據進行即時解壓縮。設置為“無”將不進行解壓縮。 thousands 字符串，選擇性使用。千位分隔符。 decimal 字符串，默認為’.’。識別為小數點的字符（例如，對于歐洲數據，請使用“，”）。 lineterminator 長度為1的字符串，選擇性使用。用于將文件分成幾行的字符。僅對C解析器有效。 quotechar 長度為1的字符串，選擇性使用。用于表示引用項目的開始和結束的字符。 quoting 整數或者csv.QUOTE_* 實例，默認為0。每個csv.QUOTE_*常量的控制字段引用行為。使用QUOTE_MINIMAL（0），QUOTE_ALL（1），QUOTE_NONNUMERIC（2）或QUOTE_NONE（3）中的一種。 doublequote 布爾值，默認為True。如果指定quotechar而未使用引號QUOTE_NONE，則指示是否將一個字段內的兩個連續的quotechar元素解釋為單個quotechar元素。 escapechar 長度為1的字符串，選擇性使用。 一字符字符串，用于轉義其他字符。 comment 字符串，選擇性使用。指示不應分析行的其余部分。如果在一行的開頭找到該行，則將完全忽略該行。此參數必須是單個字符。 encoding 字符串，選擇性使用。讀/寫時用于UTF的編碼（例如’utf-8’）。 dialect 字符串或者csv.Dialect，選擇性使用。如果提供的話，該參數將覆蓋為以下參數的值（默認或不）：delimiter, doublequote, escapechar, skipinitialspace, quotechar, and quoting。 error_bad_lines 布爾值，默認為True。 默認情況下，具有太多字段的行（例如，帶有太多逗號的csv行）將引發異常，并且不會返回任何DataFrame。如果為False，則這些“壞行”將從返回的DataFrame中刪除。 warn_bad_lines 布爾值，默認為True。如果error_bad_lines為False，而warn_bad_lines為True，則將為每個“壞行”輸出警告。 delim_whiterspace 布爾值，默認為False。指定是否將空格（例如或）用作分隔符。 low_memory 布爾值，默認為True。在內部對文件進行分塊處理，從而在解析時減少了內存使用。 memory_map 布爾值，默認為False。如果為filepath_or_buffer提供了文件路徑，則將文件對象直接映射到內存中，然后直接從那里訪問數據。使用此選項可以提高性能，因為不再有任何I / O開銷。 float_precision 字符串，選擇性使用。指定C引擎應將哪個轉換器用于浮點值。 storage_option 字典，選擇性使用。解析特殊的URL。如果為該參數提供非fsspec URL，則會引發錯誤。

返回

DataFrame：將逗號分隔值（csv）文件讀取到DataFrame中。

函數使用實例

終端使用范例：

>>>import pandas as pd>>>pd.read_csv(’data.csv’)

代碼行使用范例

#導入pandas庫，并取別名為pdimport pandas as pd#books.csv與項目不在同一文件夾下使用絕對路徑，分隔符為’;’，出錯的行直接跳過，編碼方式使用'latin-1'，變量books是DataFrame數據結構books = pd.read_csv(’D:coderpython_programBooks.csv’, sep=’;’, error_bad_lines = False, encoding='latin-1')#查看books的行和列print(books.shape)#查看print(list(books.columns))print(books.head())總結

到此這篇關于python中pandas.read_csv()函數的文章就介紹到這了,更多相關python pandas.read_csv()函數內容請搜索好吧啦網以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持好吧啦網！