pandas读取外部数据---（1）使用pandas读取和写入csv文件

目录

pandas.read_csv()语法：

1、使用pandas读取csv文件的全部数据：pd.read_csv("filepath",[encoding='编码'])

2、使用pandas读取csv文件的指定列方法：pd.read_csv("filepath",usecols=[0,1,2,...],[encoding='编码'])

3、使用pandas读取csv文件的指定行方法：pd.read_csv("filepath",[skiprows=n],nrows=m,[encoding='编码'])

4、使用pandas写入CSV文件 df.to_csv(path_or_buf,[sep=’,’, na_rep=”, ....])

---

pandas.read_csv()语法：

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=None, error_bad_lines=True, warn_bad_lines=True, skipfooter=0, doublequote=True, delim_whitespace=False, low_memory=True, memory_map=False, float_precision=None）
常用参数解释：read_csv与read_table常用的参数（更多参数查看官方手册）：

• filepath_or_buffer #需要读取的文件及路径
• sep / delimiter 列分隔符，普通文本文件，应该都是使用结构化的方式来组织，才能使用dataframe
• header 文件中是否需要读取列名的一行，header=None(使用names自定义列名,否则默认0,1,2,...)，header=0（将首行设为列名）
• names 如果header=None，那么names必须制定！否则就没有列的定义了。
• shkiprows= 10 # 跳过前十行 
• nrows = 10 # 只去前10行 
• usecols=[0,1,2,...] #需要读取的列，可以是列的位置编号，也可以是列的名称
• parse_dates = ['col_name'] # 指定某行读取为日期格式 
• index_col = None /False /0，重新生成一列成为index值，0表示第一列，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/数宇组成的列表（层次化索引）
• error_bad_lines = False # 当某行数据有问题时，不报错，直接跳过，处理脏数据时使用 
• na_values = 'NULL' # 将NULL识别为空值
• encoding='utf-8' #指明读取文件的编码，默认utf-8

# 读取csv/txt/tsv文件，返回一个DataFrame类型的对象。
# 在读取的时候，默认会将第一行记录当成标题。如果没有标题，我们可以指定header=None。
# read_csv默认使用逗号作为分隔符，我们可以使用s