Python数据分析基础（四）——数据文件处理

输入输出通常可以划分为：读取文本文件和其他磁盘存储格式、加载数据库中的数据、利用Web API操作网络资源。

pandas中的解析函数

函数	说明
read_csv	从文件、URL、文件型对象中加载带分隔符的数据。默认分隔符为逗号
read_table	从文件、URL、文件型对象中加载带分隔符的数据。默认分隔符为制表符（“\t”）
read_fwf	读取定宽列格式数据
read_clipboard	读取剪贴板中的数据

read_csv/read_table函数的参数

参数	说明
path	表示文件系统位置、URL、文件型对象的字符串
sep或delimiter	用于对行中各字段进行拆分的字符序列或正则表达式
header	用作列名的行号。默认为0（第一行），如果没有header行就应该设置为None
index_col	用作行索引的列编号或列名。可以是单个名称/数字或由多个名称/数字组成的列表（层次化索引）
names	用于结果的列名列表，结合header=None
skiprow	需要忽略的行数（从文件开始处计算），或需要跳过的行号列表（从0开始）
na_values	一组用于替换NA的值
comment	用于将注释信息从行尾拆分出去的字符（一个或多个）
parse_dates	尝试将数据解析为日期，默认为False。如果为True，则尝试解析所有列。此外，还可以指定需要解析的一组列号或列名。
keep_date_col	如果连接多列解析日期，则保持参与连接的列。默认为False。
converters	由列号/列名跟函数之间的映射关系组成的字典。如，{'foo': f}会对foo列的所有值应用函数f
dayfirst	当解析由歧义的日期时，将其看做国际格式（例如，7/6/2012 -> June 7, 2012）。默认为False
date_parser	用于解析日期的函数
nrows	需要读取的行数（从文件开始处计算）
iterator	返回一个TextParser以便逐块读取文件
chunksize	文件块的大小（用于迭代）
skip_footer	需要忽略的行数（从文件末尾处算起）
verbose	打印各种解析器输出信息
encoding	用于unicode的文本编码格式
squeeze	如果数据经解析后仅含一列，则返回Series
thousands	千分位分隔符，如","或"."

CSV语支选项

参数	说明
delimiter	用于分割字段的单字符字符串。默认为","
lineterminator	用于写操作的行结束符，默认为“\r\n”。读操作将忽略此选项
quotechar	用于带有特殊字符（如分隔符）的字段的引用符号。默认为“"”
quoting	引用约定。可选值包括csv.QUOTE_ALL/MINIMAL/NONNUMERIC/NON。默认为csv.QUOTE_MINIMAL
skipinitialspace	忽略分隔符后面的空白符。默认为False
doublequote	如何处理字段内的引用符号。如果为True，则双写。
escapechar	用于对分隔符进行转义的字符串（如果quoting被设置为csv.QUOTE_NON的话）。默认禁用

参考文献：

利用Python进行数据分析.    Wes McKinney.    唐学韬译