python⽂件的读写read_csv常⽤参数
⽂章⽬录
filepath_or_buffer
filepath_or_buffer是ad_csv的默认第⼀个参数，⽤于指定读取的⽂件的路径，⼀般直接给值
# 等价于pd.read_csv(filepath_or_buffer='data/ex1.csv')
header
指定作为标题的⾏，默认为0，如果不需要可以指定为None
header 的值可以是⼀个⾏数（数字），也可以是⼀个列表，如[0,1,3]，将有多个标题⾏
但是要注意的是，当header指定某⼀⾏时，如果这⼀⾏不是第⼀⾏，那么该⾏前⾯的数据会被忽略。如果指定的是⼀个如[1,3]的列表时，那么不仅前⾯的⾏会被忽略，之间的⾏也会被忽略
举两个例⼦：
数据：
1、读取第2⾏作为标题⾏，第⼀⾏将会被忽略掉
result = pd.read_csv('', header=1,delim_whitespace=True)
result
获得结果：
2、读取多⾏作为标题⾏，不仅仅上⾯的⾏被忽略的，之间的⾏也被忽略了
result = pd.read_csv('', header=[1,3],delim_whitespace=True)
result
获得结果：
sep
指定的分隔符，默认为 ‘,’ 逗号
如果⽂件是⽤tab和多个空格分隔的，那么可以设置参数为sep=’\s+’
sep=’\s+'作⽤是： s+可以将tab和多个空格都当成⼀样的分隔符
举个例⼦：现在有⼀个⽂本⽂件它的分隔符是tab或者是空格
这个时候使⽤默认的sep读取出来的结果会有错误，所以需要另外设置sep的值，这⾥只要设置sep=’\s+'就能正常的读取该⽂件
result = pd.read_csv('', sep='\s+')
result
获得结果：
delimiter
备选分隔符，功能与sep相同，如果指定该参数那么sep将失效，使⽤上⾯sep的例⼦，在原本的基础上再指定delimiter参数，获得的结果⽆法正常读取我们想要的内容，说明sep失去了效果
result = pd.read_csv('', sep='\s+', delimiter=',')
result
python怎么读csv数据
获得结果：
delim_whitespace
指定空格是否作为分隔符使⽤，等价于sep=’\s+’，如果delim_whitespace =True，那么sep和delimiter都将失效，还是⽤上⾯的例⼦，获得的结果可以发现sep和delimiter并没有对结果造成影响，说明它们失效了
result = pd.read_csv('', sep=',', delimiter=',',delim_whitespace=True)
result
获得结果
names
⽤于设置标题⾏，如果读取的⽂件中没有标题⾏，这时可以设置⾃定义的列名
举个栗⼦
数据：
result = pd.read_csv('data/ex2.csv', header=0,names=['a', 'b', 'c', 'd', 'message'])
result
获得结果：
index_col
指定某⼀列或多列作为⾏索引，如果给定的值是⼀个列编号或者⼀个列名，那么该列将作为⾏索引，如果指定的是⼀个序列，那么该序列中的多列将作为⾏索引
继续使⽤上⾯names的例⼦，从结果上可以看到message列已经作为⾏索引使⽤了
result = pd.read_csv('data/ex2.csv', header=0,names=['a', 'b', 'c', 'd', 'message'], index_col=4)
result
获得结果
usecols
指定需要加载的列，如果我们只是要加载⼀个⽂件中的某些列⽽不是全部的时候，可以使⽤usecols参数，可以加快加载速度以及降低内存的消耗
usecols接收⼀个序列，然后将加载序列中指定的列，序列可以是列编号也可以是列名
还是使⽤上⾯names的例⼦：
result = pd.read_csv('data/ex2.csv', header=0,names=['a', 'b', 'c', 'd', 'message'], usecols=['b','c','message'])
result
获得结果
squeeze
当squeeze=True时，如果⽂件只包含⼀列的话，那么就返回⼀个Series
举个栗⼦：
数据：
result = pd.read_csv('',squeeze=True)
result
获得结果
prefix
如果设置了header=None没有标题⾏时，那么默认的标题⾏将会是0,1,2…等，设置perfix参数可以给这些默认的标题⾏添加⼀个前缀举个例⼦
result = pd.read_csv('data/ex9.csv',header=None,prefix='第')
result
获得结果
dtype
指定每⼀列的数据类型，⽐如{‘a’: np.float64, ‘b’: np.int32}等
举个例⼦
数据：
result = pd.read_csv('data/ex1.csv',dtype={'a':float})  # 或者dtype={0:float}
result
获得结果
engine
可以通过engine参数指定使⽤的分析引擎，可以选择C或者是python，C引擎快但是Python引擎功能更加完备。
使⽤⽅法：
engine=‘c’ 或者 engine=‘python’
converters
该参数可以给指定的列进⾏定制，产⽣我们需要的效果
举个例⼦
数据：
def change(n):
return str(n)+'个'
result = pd.read_csv('data/ex1.csv',converters={0:change})
#⽤lambda表达式可以直接写成{0:lambda n:str(n)+'个'}
result
获得结果
skiprows
需要忽略的⾏数（从⽂件开始处算起），或需要跳过的⾏号列表（从0开始）。
举个例⼦，可以看到本来将作为标题⾏的第⼀⾏被忽略了，⽽第⼆⾏成为了标题⾏
数据：
result = pd.read_csv('data/ex1.csv', skiprows=1)
result
获得结果
skipfooter
与skiprows⼀样，也是忽略⼀些⾏，但是skiprows是从头开始的，⽽skipfooter是从尾开始的
注意： 如果engine参数设置了’c’引擎，那么该参数不能使⽤，如果使⽤会报the ‘c’ engine does not support skipfooter的错误举个例⼦，还是⽤上⾯skiprows的数据，可以从结果中看到，数据的最后⼀⾏被忽略了
result = pd.read_csv('data/ex1.csv', skipfooter=1)
result
获得结果

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。