Pandas read_csv 参数详解
前言
在使用 Pandas 进行数据分析和处理时，read_csv 是一个非常常用的函数，用于从 CSV 文件中读取数据并将其转换成 DataFrame 对象。read_csv 函数具有多个参数，可以根据不同的需求进行灵活的配置。本文将详细介绍 read_csv 函数的各个参数及其用法，帮助大家更好地理解和利用这一功能。
常用参数概述
pandas的 read_csv 函数用于读取CSV文件。以下是一些常用参数：
filepath_or_buffer: 要读取的文件路径或对象。sep: 字段分隔符，默认为,。delimiter: 字段分隔符，sep的别名。header: 用作列名的行号，默认为0（第一行），如果没有列名则设为None。names: 列名列表，用于结果DataFrame。index_col: 用作索引的列编号或列名。usecols: 返回的列，可以是列名的列表或由列索引组成的列表。dtype: 字典或列表，指定某些列的数据类型。skiprows: 需要忽略的行数（从文件开头算起），或需要跳过的行号列表。nrows: 需要读取的行数（从文件开头算起）。skipfooter: 文件尾部需要忽略的行数。encoding: 文件编码（如'utf-8'，'latin-1'等）。parse_dates: 将某些列解析为日期。infer_datetime_format: 如果 True 且 parse_dates 未指定，那么将尝试解析日期。iterator: 如果 True，返回 TextFileReader 对象，用于逐块读取文件。chunksize: 每个块的行数，用于逐块读取文件。compression: 压缩格式，例如 'gzip' 或 'xz'
filepath_or_buffer要读取的文件路径或对象
filepath_or_buffer: FilePath | ReadCsvBuffer[bytes] | ReadCsvBuffer[str]可以接收3种类型，文件路径，读取文件的bytes， 读取文件的str。
- 可以接受任何有效的字符串路径。该字符串可以是 URL。有效的 URL 方案包括 http、ftp、s3、gs 和 file。对于文件 URL，需要主机。本地文件可以是：
file://localhost/path/to/table.csv。 - 想传入一个路径对象，pandas 接受任何 Path
- 类文件对象是指具有 read() 方法的对象，例如文件句柄（例如通过内置 open 函数）或
StringIO。
示例如下：
# 读取字符串路径
import pandas
from pathlib import Path
# 1.相对路径，或文件绝对路径
df1 = pandas.read_csv('data.csv')
print(df1)
# 文件路径对象Path
file_path = Path(__file__).parent.joinpath('data.csv')
df2 = pandas.read_csv(file_path)
print(df2)
# 读取url地址
df3 = pandas.read_csv('http://127.0.0.1:8000/static/data.csv')
print(df3)
# 读取文件对象
with open('data.csv', encoding='utf8') as fp:
df4 = pandas.read_csv(fp)
print(df4)
sep: 字段分隔符，默认为,
- sep 字段分隔符，默认为
, - 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 用作列名的行号
header: 指定哪一行作为列名，默认为0，即第一行，如果没有列名则设为None。
如下数据，没有header
张三,男,22,123@qq.com
李四,男,23,222@qq.com
王五,女,24,233@qq.com
张六,男,22,123@qq.com
# 读取示例
df6 = pandas.read_csv('data2.csv', header=None)
print(df6)
names自定义列名
names自定义列名，如果header=None，则可以使用该参数。
df6 = pandas.read_csv(
'data2.csv',
header=None,
names=['姓名', '性别', '年龄', '邮箱'])
print(df6)
index_col 用作行索引的列编号或列名
index_col参数在使用pandas的read_csv函数时用于指定哪一列作为DataFrame的索引。
如果设置为None（默认值），CSV文件中的行索引将用作DataFrame的索引。如果设置为某个列的位置（整数）或列名（字符串），则该列将被用作DataFrame的索引。
import pandas as pd
# 我们想要将'`email`'列作为DataFrame的索引
df8 = pd.read_csv('data.csv', index_col='email')
print(df8)
# 或者，如果我们知道'email'列在第4列的位置，也可以这样指定
df9 = pd.read_csv('data.csv', index_col=3)
print(df9)
usecols 读取指定的列
usecols 读取指定的列，可以是列名或列编号。
import pandas as pd
# 1.指定列的编号
df10 = pd.read_csv('data.csv', usecols=[0, 1])
print(df10)
# 2.指定列的名称
df11 = pd.read_csv('data.csv', usecols=['name', 'sex'])
print(df11)
skiprows 、nrows 和skipfooter
skiprows: 需要忽略的行数（从文件开头算起），或需要跳过的行号列表。nrows: 需要读取的行数（从文件开头算起）skipfooter: 文件尾部需要忽略的行数。
示例如下：
# skiprpws忽略的行数
import pandas as pd
# 跳过前面2行
df15 = pd.read_csv('data.csv', skiprows=2)
print(df15)
# nrows 需要读取的行数
import pandas as pd
# 读取前面2行
df15 = pd.read_csv('data.csv', nrows=2)
print(df15)
# 文件尾部需要忽略的行数
import pandas as pd
# 忽略文件尾部3行
df15 = pd.read_csv('data.csv', skipfooter=3)
print(df15)
parse_dates 将某些列解析为日期
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.指定列的编号
df16 = pd.read_csv('data.csv')
print(df16)
-------------
# 结果如下：
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
默认读取的date日期是字符串类型，使用parse_dates 参数转成datetime类型。
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')
总结
通过本文的介绍，大家应该对 Pandas 中 read_csv 函数的参数有了更全面的了解。在实际应用中，根据数据的特点和处理需求，灵活使用 read_csv 的各种参数，可以更轻松、高效地进行数据读取和预处理，为数据分析和建模提供更好的基础。
