欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

詳解Python中Pandas read_csv參數(shù)使用

 更新時(shí)間：2022年10月28日 11:57:08   作者：霍格沃茲測(cè)試開發(fā)學(xué)社  
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)，本文將詳細(xì)介紹 read_csv 函數(shù)的各個(gè)參數(shù)及其用法，希望對(duì)大家有所幫助

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)（從文件開頭算起），或需要跳過的行號(hào)列表。
  • nrows: 需要讀取的行數(shù)（從文件開頭算起）。
  • 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，如果沒有列名則設(shè)為None。

如下數(shù)據(jù)，沒有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)（從文件開頭算起），或需要跳過的行號(hào)列表。

nrows: 需要讀取的行數(shù)（從文件開頭算起）

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

最新評(píng)論