pandas之read_csv参数详解

最近发现pandas强大的惊人，只是不懂。多走了很多歪路，浪费开发效率。准备好好总结一下pandas.

pandas.read_csv参数

Basic
filepath_or_buffer : various
sep : str, defaults to ‘,’ for read_csv(), \t for read_table()
Regex example: ‘\r\t’.
delimiter : str, default None
delim_whitespace : boolean, default False
Specifies whether or not whitespace (e.g. ’ ’ or ‘\t’) will be used as the delimiter. Equivalent to setting sep=’\s+’. If this option is set to True, nothing should be passed in for the delimiter parameter.

seq：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’
\s+的区别用代码看比较明显：

>>> pd.read_csv(temp_path)
 
1\t1.3\t1.4\t2
 
0 as\t3\t4\t5
 
>>> pd.read_csv(temp_path,sep='\s+')
 
1 1.3 1.4 2
 
0 as 3 4 5
 
>>>
 处理有一些自然语言处理中的标注任务时，对数据读取时可以考虑一下这种方式

delimiter : str, default None
定界符，备选分隔符（如果指定该参数，则sep参数失效）

>>> pd.read_csv(temp_path,sep='\s+',delimiter='\n')
 
1\t1.3\t1.4\t2
 
0 as\t3\t4\t5
 
>>>

>>> pd.read_csv(temp_path,delimiter='\t')
1 1.3 1.4 2
0 as 3 4 5
>>>

delim_whitespace这个参数真是大杀器，似乎可以分割开一切分割符（可能说的不对后期会验证一下）

>>> pd.read_csv(temp_path,delim_whitespace=True)
1 1.3 1.4 2
0 as 3 4 5
>>>

Column and Index Locations and Names
header : int or list of ints, default ‘infer’
names : array-like, default None
index_col : int or sequence or False, default None
usecols : list-like or callable, default None