pandas.read_csv
该部分从brucewong0516博客摘抄,原文见下方链接。
pandas.read_csv可以读取CSV(逗号分割)文件、文本类型的文件text、log类型,返回DataFrame文件。
参数:
- filepath_or_buffer :可以是URL,可用URL类型包括:http, ftp, s3和文件。
- sep: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。
- delimiter :定界符,备选分隔符(如果指定该参数,则sep参数失效)
- delim_whitespace : 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True那么delimiter 参数失效。
- header :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【第一行数据】,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。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 :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。names属性在header之前运行默认列表中不能出现重复,除非设定参数mangle_dupe_cols=True。
- index_col :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。
- usecols: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。
- prefix:在没有列标题时,也就是header设定为None,给列添加前缀。例如:添加prefix= ‘X’ 使得列名称成为 X0, X1, …
- dtype: 每列数据的数据类型。例如 {‘a’: np.float64, ‘b’: np.int32}
- skipinitialspace:忽略分隔符后的空白(默认为False,即不忽略).
- 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)。
- nrows :需要读取的行数(从文件头开始算起)。
- na_values :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:如果指定na_values参数,并
- keep_default_na=False,那么默认的NaN将被覆盖,否则添加
- na_filter: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。
- skip_blank_lines :如果为True,则跳过空行;否则记为NaN。
作者:brucewong0516
来源:CSDN
原文:https://blog.csdn.net/brucewong0516/article/details/79092579
版权声明:本文为博主原创文章,转载请附上博文链接!
python冒号在数组和矩阵使用
- [:j] :这是切片操作,在下标j之前(不包括第j个)的元素都保留,适用于Python中的列表(也就是数组),也适用于numpy科学结构。
- 关于[:,j] :这也是切片操作,保留第一个维度所有元素(行都保留),第二维度元素取j位(只取第j列)。只适用numpy的科学数据结构。
- X[:,1:]第一维全部取,即所有行,列上从第1列开始取,不要第0列。
- X[1,:]是取第1维中下标为1的元素的所有数据,第1行(从0开始)。
- X[:2,1:]第一维取下标2之前(不包括2)的,即第2行之前(0,1两行),列上从第1列(包括1)开始取,不要第0列。