pandas 读取csv 数据 read_csv 参数详解
前言
Pandas 是一个开源的数据分析和数据处理库,它是基于 Python 编程语言的。
Pandas 提供了易于使用的数据结构和数据分析工具,特别适用于处理结构化数据,如表格型数据(类似于Excel表格)。
Pandas 主要引入了两种新的数据结构:DataFrame 和 Series。
环境准备:
pip install pandas
read_csv 参数详解
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。
- 如果你想传入一个路径对象,pandas 接受任何 Path.
- 我们所说的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。
data.csv 测试数据
name,sex,age,email
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
李七,男,23,124@qq.com
小明,女,24,125@qq.com
张山,女,24,126@qq.com
王二,男,23,127@qq.com
王九,男,23,128@qq.com
李明,男,20,129@qq.com
刘三,男,29,130@qq.com
刘四,男,28,131@qq.com
示例
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)
读取一个url地址,http://127.0.0.1:8000/static/data.csv
, 此地址是一个data.csv文件在线下载地址
df3 = pandas.read_csv('http://127.0.0.1:8000/static/data.csv')
print(df3)
也可以是一个文件对象
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)
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)
如果有header,也可以使用names自定义列名
df7 = pandas.read_csv(
'data.csv',
header=0,
names=['姓名', '性别', '年龄', '邮箱'])
print(df7)
那么读取结果
姓名 性别 年龄 邮箱
0 张三 男 22 123@qq.com
1 李四 男 23 222@qq.com
2 王五 女 24 233@qq.com
······
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)
dtype 指定每列的数据类型
dtype参数在pandas.read_csv函数中用于指定列的数据类型。当你知道某些列的数据类型时,可以使用dtype参数来提高读取文件的效率,并且可以预防可能发生的类型错误。
name,sex,age,email
张三,男,22,123@qq.com
李四,男,23,222@qq.com
默认情况下age得到的是int类型
df12 = pd.read_csv('data.csv')
print(df12.to_dict())
结果: 'age': {0: 22, 1: 23, 2: 24, 3: 22, 4: 23 ....
可以指定age变成str或者float类型
df13 = pd.read_csv('data.csv', dtype={"age": str})
print(df13.to_dict())
结果: 'age': {0: '22', 1: '23', 2: '24', 3: '22', 4: '23'
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。
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)
skipfooter: 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
数据文件ddd.csv
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
读取示例
import pandas as pd
# 1.指定列的编号
df16 = pd.read_csv('ddd.csv')
print(df16)
读取结果
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')