python read_csv函数_Python pandas.read_csv()函数

1、首先，介绍csv格式的文件：

CSV文件是一个纯文本文件，最早用在简单的数据库里，其格式简单，具备很强的开放性，非常容易被导入各种PC表格及数据库，比如Excel表格等。

CSV文件中每行相当于一条记录(相当于数据表中的一行)，用 “，”(半角逗号)分割每行的不同字段。举例如下：

例：

1, 23, 32,12

2, 44, 12, 56

对应Excel表格，CSV文件中的一行对应Excel的一行，CSV同一行中的半角逗号相当于Excel表格同一行分割不同单元格的竖线。

2、介绍pandas.read_csv()函数。

官方调用形式介绍：http://pandas.pydata.org/pandas-docs/stable/generated/pandas.read_csv.html

pandas.read_csv(filepath_or_buffer,sep=',',delimiter=None,header='infer',names=None,index_col=None,usecols=None,squeeze=False,prefix=None,mangle_dupe_cols=True,dtype=None,engine=None,converters=None,true_values=None,false_values=None,skipinitialspace=False,skiprows=None,nrows=None,na_values=None,keep_default_na=True,na_filter=True,verbose=False,skip_blank_lines=True,parse_dates=False,infer_datetime_format=False,keep_date_col=False,date_parser=None,dayfirst=False,iterator=False,chunksize=None,compression='infer',thousands=None,decimal=b'.',lineterminator=None,quotechar='"',quoting=0,escapechar=None,comment=None,encoding=None,dialect=None,tupleize_cols=False,error_bad_lines=True,warn_bad_lines=True,skipfooter=0,skip_footer=0,doublequote=True,delim_whitespace=False,as_recarray=False,compact_ints=False,use_unsigned=False,low_memory=True,buffer_lines=None,memory_map=False,float_precision=None)

参数：

filepath_or_buffer：str，pathlib。str,

pathlib.Path, py._path.local.LocalPath or any object with a read() method (such as a file handle or StringIO)

文件路径或数据缓存地址。

sep：str,

default ‘,’

指定分隔符。如果不指定参数，默认使用逗号分隔。如果分隔符长于一个字符并且不是‘\s+’，将使用python的语法分析器，并忽略数据中的逗号。正则表达式例子：'\r\t'。

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)。

header：int

or list of ints, 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, default None

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 : int or sequence or False, default None

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, default None

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。

举例如下：

import pandas as pd

header = ['user_id', 'item_id', 'rating', 'timestamp']

df = pd.read_csv("D:/u.data",sep = '\t',names = header)

参考链接：http://blog..net/u013066730/article/details/58634061