pd.read_csv 读取使用

pandas官网简介

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=None, error_bad_lines=True, warn_bad_lines=True, skipfooter=0,
skip_footer=0, doublequote=True, delim_whitespace=False, as_recarray=None,
compact_ints=None, use_unsigned=None, low_memory=True, buffer_lines=None, 
memory_map=False, float_precision=None)

相应的解释：

filepath_or_buffer : 路径 URL 可以是http, ftp, s3, 和 file.

sep: 指定分割符，默认是’,’C引擎不能自动检测分隔符，但Python解析引擎可以

delimiter: 同sep

delimiter_whitespace: True or False 默认False, 用空格作为分隔符等价于spe=’\s+’如果该参数被调用，则delimite不会起作用

header: 指定第几行作为列名(忽略注解行)，如果没有指定列名，默认header=0; 如果指定了列名header=None

names 指定列名，如果文件中不包含header的行，应该显性表示header=None

index_col: 默认为None 用列名作为DataFrame的行标签，如果给出序列，则使用MultiIndex。如果读取某文件,该文件每行末尾都有带分隔符，考虑使用index_col=False使panadas不用第一列作为行的名称。

usecols： 默认None 可以使用列序列也可以使用列名，如 [0, 1, 2] or [‘foo’, ‘bar’, ‘baz’]，选取的列

as_recarray：默认False , 将读入的数据按照numpy array的方式存储，0.19.0版本后使用 pd.read_csv(…).to_records()。 注意，这种方式读入的na数据不是显示na,而是给以个莫名奇妙的值

squeeze: 默认为False, True的情况下返回的类型为Series

prefix:默认为none, 当header =None 或者没有header的时候有效，例如’x’ 列名效果 X0, X1, …

mangle_dupe_cols ：默认为True,重复的列将被指定为’X.0’…’X.N’，而不是’X’…’X’。如果传入False，当列中存在重复名称，则会导致数据被覆盖。

dtype: E.g. {‘a’: np.float64, ‘b’: np.int32} 指定数据类型

engine: {‘c’, ‘python’}, optional 选择读取的引擎目前来说C更快，但是Python的引擎有更多选择的操作

skipinitialspace: 忽略分隔符后的空格,默认false,

skiprows: list-like or integer or callable, default None 忽略某几行或者从开始算起的几行

skipfooter: 从底端算起的几行，不支持C引擎

nrows： int 读取的行数

na_values: 默认None NaN包含哪些情况，默认情况下, ‘#N/A’, ‘#N/A N/A’, ‘#NA’, ‘-1.#IND’, ‘-1.#QNAN’, ‘-NaN’, ‘-nan’, ‘1.#IND’, ‘1.#QNAN’, ‘N/A’, ‘NA’, ‘NULL’, ‘NaN’, ‘n/a’, ‘nan’, ‘null’. 都表现为NAN

keep_default_na: 如果na_values被定义,keep_default_na为False那么默认的NAN会被改写。 默认为True

na_filter: 默认为True, 针对没有NA的文件，使用na_filter=false能够提高读取效率

skip_blank_lines 默认为True,跳过blank lines 而且不是定义为NAN

thousands 千分位符号，默认‘，’

decimal 小数点符号，默认‘.’

encoding: 编码方式

memory_map如果为filepath_or_buffer提供了文件路径，则将文件对象直接映射到内存上，并直接从那里访问数据。使用此选项可以提高性能，因为不再有任何I / O开销。

low_memory 默认为True 在块内部处理文件，导致分析时内存使用量降低，但可能数据类型混乱。要确保没有混合类型设置为False，或者使用dtype参数指定类型。请注意，不管怎样，整个文件都读入单个DataFrame中，请使用chunksize或iterator参数以块形式返回数据。 （仅在C语法分析器中有效）

（常用的为加粗部分）

举例

读取csv文件的某一列或某几列

时间	排名	热搜内容	地域	主题	上榜时间	最后时间
2020/2/21 12:00	1	韩国确认发生超级传播	国外-韩国	疫情-新增	2020/2/21 17:26	2020/2/21 7:46
2020/2/21 12:00	2	周琪 新冠病毒不能通过皮肤侵入人体	国内	专家-周琪	2020/2/21 16:38	2020/2/21 11:22
2020/2/21 12:00	3	延迟婚期的武汉医生感染离世	国内-湖北-武汉	医护-去世	2020/2/21 16:52	2020/2/21 16:52
2020/2/21 12:00	4	山东省司法厅厅长被免职	国内-山东	政府-免职、政府-问责	2020/2/21 16:28	2020/2/21 10:34
2020/2/21 12:00	5	湖北以外地区新增病例出现反弹	国内	疫情-新增	2020/2/21 17:58	2020/2/21 10:12
2020/2/21 12:00	6	疫苗最快4月下旬申报临床试验	国内	疫情-疫苗	2020/2/21 16:02	2020/2/21 11:06
2020/2/21 12:00	8	青海新冠肺炎确诊患者清零	国内-青海	疫情-减少	2020/2/21 17:54	2020/2/21 11:04
2020/2/21 12:00	11	武汉训斥医护人员患者被停职检查	国内-湖北-武汉	政府-免职	2020/2/21 14:58	2020/2/21 8:22
2020/2/21 12:00	12	日本累计确诊728例新冠肺炎	国外-日本	疫情-新增	2020/2/21 13:46	2020/2/21 7:12

数据的格式如上，共计有896条数据。

现在为了供提取出‘热搜内容’这一栏目的内容用于进一步的处理，需要用到如下语句：

filename='weibo.csv'
names='热搜内容'
f1=pd.read_csv(filename,usecols=[names])
print(f1)

输出情况：

如此，使用usecols来提取出对应列的数据，方便更进一步的处理。
更近一步的，获得数据数组，可用：

print(f1.values.tolist())
print(f1.values.tolist()[12])
print(f1.values.tolist()[12][0])

对应的输出结果如下：

当然最好是从新存入新的数组中：

list=f1.values.tolist()
data=np.array(list)
print(data)
print(data[1])
print(data[1][0])