pandas.read_csv参数详解(小结)
pandas.read_csv参数整理
读取CSV（逗号分割）文件到DataFrame
也支持文件的部分导入和选择迭代
更多帮助参见：http://pandas.pydata.org/pandas-docs/stable/io.html
参数：
filepath_or_buffer:str，pathlib。str,pathlib.Path,py._path.local.LocalPathoranyobjectwitharead()method(suchasafilehandleorStringIO)
可以是URL，可用URL类型包括：http,ftp,s3和文件。对于多文件正在准备中
本地文件读取实例：://localhost/path/to/table.csv
sep:str,default‘,'
指定分隔符。如果不指定参数，则会尝试使用逗号分隔。分隔符长于一个字符并且不是‘\s+',将使用python的语法分析器。并且忽略数据中的逗号。正则表达式例子：'\r\t'
delimiter:str,defaultNone
定界符，备选分隔符（如果指定该参数，则sep参数失效）
delim_whitespace:boolean,defaultFalse.
指定空格(例如'‘或者'‘)是否作为分隔符使用，等效于设定sep='\s+'。如果这个参数设定为Ture那么delimiter参数失效。
在新版本0.18.1支持
header:intorlistofints,default‘infer'
指定行数用来作为列名，数据开始行数。如果文件中没有列名，则默认为0，否则设置为None。如果明确设定header=0就会替换掉原来存在列名。header参数可以是一个list例如：[0,1,3]，这个list表示将文件中的这些行作为列标题（意味着每一列有多个标题），介于中间的行将被忽略掉（例如本例中的2；本例中的数据1,2,4行将被作为多级标题出现，第3行数据将被丢弃，dataframe的数据从第5行开始。）。
注意：如果skip_blank_lines=True那么header参数忽略注释行和空行，所以header=0表示第一行数据而不是文件的第一行。
names:array-like,defaultNone
用于结果的列名列表，如果数据文件中没有列标题行，就需要执行header=None。默认列表中不能出现重复，除非设定参数mangle_dupe_cols=True。
index_col:intorsequenceorFalse,defaultNone
用作行索引的列编号或者列名，如果给定一个序列则有多个行索引。
如果文件不规则，行尾有分隔符，则可以设定index_col=False来是的pandas不适用第一列作为行索引。
usecols:array-like,defaultNone
返回一个数据子集，该列表中的值必须可以对应到文件中的位置（数字可以对应到指定的列）或者是字符传为文件中的列名。例如：usecols有效参数可能是[0,1,2]或者是[‘foo',‘bar',‘baz']。使用这个参数可以加快加载速度并降低内存消耗。
as_recarray:boolean,defaultFalse
不赞成使用：该参数会在未来版本移除。请使用pd.read_csv(...).to_records()替代。
返回一个Numpy的recarray来替代DataFrame。如果该参数设定为True。将会优先squeeze参数使用。并且行索引将不再可用，索引列也将被忽略。
squeeze:boolean,defaultFalse
如果文件值包含一列，则返回一个Series
prefix:str,defaultNone
在没有列标题时，给列添加前缀。例如：添加‘X'成为X0,X1,...
mangle_dupe_cols:boolean,defaultTrue
重复的列，将‘X'...'X'表示为‘X.0'...'X.N'。如果设定为false则会将所有重名列覆盖。
dtype:Typenameordictofcolumn->type,defaultNone
每列数据的数据类型。例如{‘a':np.float64,‘b':np.int32}
engine:{‘c',‘python'},optional
Parserenginetouse.TheCengineisfasterwhilethepythonengineiscurrentlymorefeature-complete.
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。
converters:dict,defaultNone
列转换函数的字典。key可以是列名或者列的序号。
true_values:list,defaultNone
ValuestoconsiderasTrue
false_values:list,defaultNone
ValuestoconsiderasFalse
skipinitialspace:boolean,defaultFalse
忽略分隔符后的空白（默认为False，即不忽略）.
skiprows:list-likeorinteger,defaultNone
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）。
skipfooter:int,default0
从文件尾部开始忽略。(c引擎不支持)
skip_footer:int,default0
不推荐使用：建议使用skipfooter，功能一样。
nrows:int,defaultNone
需要读取的行数（从文件头开始算起）。
na_values:scalar,str,list-like,ordict,defaultNone
一组用于替换NA/NaN的值。如果传参，需要制定特定列的空值。默认为‘1.#IND',‘1.#QNAN',‘N/A',‘NA',‘NULL',‘NaN',‘nan'`.
keep_default_na:bool,defaultTrue
如果指定na_values参数，并且keep_default_na=False，那么默认的NaN将被覆盖，否则添加。
na_filter:boolean,defaultTrue
是否检查丢失值（空字符串或者是空值）。对于大文件来说数据集中没有空值，设定na_filter=False可以提升读取速度。
verbose:boolean,defaultFalse
是否打印各种解析器的输出信息，例如：“非数值列中缺失值的数量”等。
skip_blank_lines:boolean,defaultTrue
如果为True，则跳过空行；否则记为NaN。
parse_dates:booleanorlistofintsornamesorlistoflistsordict,defaultFalse
- boolean.True->解析索引
- listofintsornames.e.g.If[1,2,3]->解析1,2,3列的值作为独立的日期列；
- listoflists.e.g.If[[1,3]]->合并1,3列作为一个日期列使用
- dict,e.g.{‘foo':[1,3]}->将1,3列合并，并给合并后的列起名为"foo"
infer_datetime_format:boolean,defaultFalse
如果设定为True并且parse_dates可用，那么pandas将尝试转换为日期类型，如果可以转换，转换方法并解析。在某些情况下会快5~10倍。
keep_date_col:boolean,defaultFalse
如果连接多列解析日期，则保持参与连接的列。默认为False。
date_parser:function,defaultNone
用于解析日期的函数，默认使用dateutil.parser.parser来做转换。Pandas尝试使用三种不同的方式解析，如果遇到问题则使用下一种方式。
1.使用一个或者多个arrays（由parse_dates指定）作为参数；
2.连接指定多列字符串作为一个列作为参数；
3.每行调用一次date_parser函数来解析一个或者多个字符串（由parse_dates指定）作为参数。
dayfirst:boolean,defaultFalse
DD/MM格式的日期类型
iterator:boolean,defaultFalse
返回一个TextFileReader对象，以便逐块处理文件。
chunksize:int,defaultNone
文件块的大小，SeeIOToolsdocsformoreinformationoniteratorandchunksize.
compression:{‘infer',‘gzip',‘bz2',‘zip',‘xz',None},default‘infer'
直接使用磁盘上的压缩文件。如果使用infer参数，则使用gzip,bz2,zip或者解压文件名中以‘.gz',‘.bz2',‘.zip',or‘xz'这些为后缀的文件，否则不解压。如果使用zip，那么ZIP包中国必须只包含一个文件。设置为None则不解压。
新版本0.18.1版本支持zip和xz解压
thousands:str,defaultNone
千分位分割符，如“，”或者“."
decimal:str,default‘.'
字符中的小数点(例如：欧洲数据使用'，‘).
float_precision:string,defaultNone
SpecifieswhichconvertertheCengineshoulduseforfloating-pointvalues.TheoptionsareNonefortheordinaryconverter,highforthehigh-precisionconverter,andround_tripfortheround-tripconverter.
指定
lineterminator:str(length1),defaultNone
行分割符，只在C解析器下使用。
quotechar:str(length1),optional
引号，用作标识开始和解释的字符，引号内的分割符将被忽略。
quoting:intorcsv.QUOTE_*instance,default0
控制csv中的引号常量。可选QUOTE_MINIMAL(0),QUOTE_ALL(1),QUOTE_NONNUMERIC(2)orQUOTE_NONE(3)
doublequote:boolean,defaultTrue
双引号，当单引号已经被定义，并且quoting参数不是QUOTE_NONE的时候，使用双引号表示引号内的元素作为一个元素使用。
escapechar:str(length1),defaultNone
当quoting为QUOTE_NONE时，指定一个字符使的不受分隔符限值。
comment:str,defaultNone
标识着多余的行不被解析。如果该字符出现在行首，这一行将被全部忽略。这个参数只能是一个字符，空行（就像skip_blank_lines=True）注释行被header和skiprows忽略一样。例如如果指定comment='#'解析‘#empty\na,b,c\n1,2,3'以header=0那么返回结果将是以'a,b,c'作为header。
encoding:str,defaultNone
指定字符集类型，通常指定为'utf-8'.ListofPythonstandardencodings
dialect:strorcsv.Dialectinstance,defaultNone
如果没有指定特定的语言，如果sep大于一个字符则忽略。具体查看csv.Dialect文档
tupleize_cols:boolean,defaultFalse
Leavealistoftuplesoncolumnsasis(defaultistoconverttoaMultiIndexonthecolumns)
error_bad_lines:boolean,defaultTrue
如果一行包含太多的列，那么默认不会返回DataFrame，如果设置成false，那么会将改行剔除（只能在C解析器下使用）。
warn_bad_lines:boolean,defaultTrue
如果error_bad_lines=False，并且warn_bad_lines=True那么所有的“badlines”将会被输出（只能在C解析器下使用）。
low_memory:boolean,defaultTrue
分块加载到内存，再低内存消耗中解析。但是可能出现类型混淆。确保类型不被混淆需要设置为False。或者使用dtype参数指定类型。注意使用chunksize或者iterator参数分块读入会将整个文件读入到一个Dataframe，而忽略类型（只能在C解析器中有效）
buffer_lines:int,defaultNone
不推荐使用，这个参数将会在未来版本移除，因为他的值在解析器中不推荐使用
compact_ints:boolean,defaultFalse
不推荐使用，这个参数将会在未来版本移除
如果设置compact_ints=True，那么任何有整数类型构成的列将被按照最小的整数类型存储，是否有符号将取决于use_unsigned参数
use_unsigned:boolean,defaultFalse
不推荐使用：这个参数将会在未来版本移除
如果整数列被压缩(i.e.compact_ints=True)，指定被压缩的列是有符号还是无符号的。
memory_map:boolean,defaultFalse
如果使用的文件在内存内，那么直接map文件使用。使用这种方式可以避免文件再次进行IO操作。
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持毛票票。