pandas 之read_csv()参数

1，filepath_or_buffer()       是需要填写的文件路径

2，sep=''    是想以什么进行分割

3，head=（0,None）   指定行数来作为列名，如果没有则为0，有为None

4，names=["",""]      对各个列进行重命名，如果有名字可以把header设置为0来重命名

5，index_col 可以把你想要的列提取到前面来index_col=[1,3]只把第一列和第三列提取到前面来

6，usercols=[" "," "]  只会返回你需要的列数以节省内存

7，squeeze 默认是false如果只有一列则返回series

8，dtype={‘每一列数据的名字’：‘int64’}给你想改变的列添加新的列属性

9，engine:{'c','python'}使用的分析引擎

10，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）

11，delim_whitespace : boolean, default False.

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

12，prefix : str, default None

在没有列标题时，给列添加前缀。例如：添加‘X’ 成为 X0, X1, ...

13，mangle_dupe_cols : boolean, default True

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。

14，converters : dict, default None

列转换函数的字典。key可以是列名或者列的序号。converters={'列名'：要对列进行操作的函数}

15，skipinitialspace : boolean, default False

忽略分隔符后的空白（默认为False，即不忽略）

16，skiprows : list-like or integer, default None

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）

17，skipfooter : int, default 0

从文件尾部开始忽略。 (c引擎不支持)

18，nrows : int, default None

需要读取的行数（从文件头开始算起）。

19，na_values : scalar, str, list-like, or dict, default None

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’`.

20，keep_default_na : bool, default True

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。

21，na_filter : boolean, default True

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。

22，verbose : boolean, default False

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

23，skip_blank_lines : boolean, default True

如果为True，则跳过空行；否则记为NaN。

24，parse_dates : boolean or list of ints or names or list of lists or dict, default False

• boolean. True -> 解析索引
• list of ints or names. e.g. If [1, 2, 3] -> 解析1,2,3列的值作为独立的日期列；
• list of lists. 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"

示例：df=pd.read_csv(file_path,parse_dates=['time1','time2'])，
把time1和time2两列解析为日期格式。
这里不得不说，很遗憾中文不行，比如‘4月5日’这种格式就不能解析。

25，infer_datetime_format : boolean, default False

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

26，keep_date_col : boolean, default False

如果连接多列解析日期，则保持参与连接的列。默认为False。

27,date_parser : function, default None

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

28,dayfirst : boolean, default False

DD/MM格式的日期类型

29,iterator : boolean, default False

返回一个TextFileReader 对象，以便逐块处理文件

30,chunksize : int, default None

文件块的大小， See IO Tools docs for more informationon iterator and chunksize.

31,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

32,thousands : str, default None千分位分割符，如“，”或者“."

33,decimal : str, default ‘.’

字符中的小数点 (例如：欧洲数据使用’，‘).

34,float_precision : string, default NoneSpecifies which converter the C engine should use for floating-point values. The options are None for the ordinary converter, high for the high-precision converter, and round_trip for the round-trip converter.

指定

35,lineterminator : str (length 1), default None

行分割符，只在C解析器下使用。

36,quotechar : str (length 1), 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。

37,quoting : int or csv.QUOTE_* instance, default 0

控制csv中的引号常量。可选 QUOTE_MINIMAL (0), QUOTE_ALL (1), QUOTE_NONNUMERIC (2) or QUOTE_NONE (3)

38,doublequote : boolean, default True

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。

39,escapechar : str (length 1), default None

当quoting 为QUOTE_NONE时，指定一个字符使的不受分隔符限值。

40,comment : str, default None

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

41,encoding : str, default None

指定字符集类型，通常指定为'utf-8'. List of Python standard encodings

42,dialect : str or csv.Dialect instance, default None

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

43,tupleize_cols : boolean, default False

Leave a list of tuples on columns as is (default is to convert to a Multi Index on the columns)

44,error_bad_lines : boolean, default True

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）。

45,warn_bad_lines : boolean, default True

如果error_bad_lines =False，并且warn_bad_lines =True 那么所有的“bad lines”将会被输出（只能在C解析器下使用）。

46,low_memory : boolean, default True

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）

47,memory_map : boolean, default False

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。

#读取多个文件
import pandas
import glob
for r in glob.glob("test*.csv"):
        csv=pandas.read_csv(r)
        csv.to_csv("test.txt",mode="a+")