python数据分析-pandas-读取文件

python数据分析-pandas-读取文件

csv文件读取

pandas.read_csv(filepath_or_buffer: Union[str, pathlib.Path, IO[~AnyStr]], 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, skipfooter=0, 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, cache_dates=True, 
iterator=False, chunksize=None, compression='infer', thousands=None, decimal: str = '.', lineterminator=None, 
quotechar='"', quoting=0, doublequote=True, escapechar=None, comment=None, encoding=None, 
dialect=None, error_bad_lines=True, warn_bad_lines=True, delim_whitespace=False, low_memory=True, 
memory_map=False, float_precision=None)

• filepath_or_buffer：字符串或路径对象
  Valid URL schemes include http, ftp, s3, and file.
• sep：str， default ‘,’
  分隔符，默认是逗号
• delimiter：sep的别名，也是分隔符
• header：int， list of int, default ‘infer’
  数据的表头，如果没有传入该值，则默认header=0，并推断数据的第一行为表头，header=0 表示数据的第一行，不是文件的第一行。还可以是数字的列表。下面三个图体会下不同参数的差别。
  
  
  
• names：array-like, optional
  如果想更改名称，可通过传入表头的列表，但如果已经存在表头，需要指定header=0。
  
• index_col：int, str, sequence of int / str, or False, default None
  False代表不让列成为索引，0代表让数据第一列为索引。
  
• usecols：list-like or callable, optional
  选择要用的列，可以是数字[0,1,2]，也可以是列名[a,c,b]，不指定则代表解析所有列。
  
• squeeze：bool, default False
  如果解析的数据只包含一列，则返回一个系列。
• prefix：str, optional
  前缀，没有header的时候，比如x0,x1,x2.
• mangle_dupe_cols：bool, default True
  重复的列将被指定为“X”、“X.1”、……“X.N”，而不是“X”……“X”。如果列中存在重复名称， 设为False 将导致数据被覆盖。
  
• dtype： Type name or dict of column -> type, optional
  指定某列的数据类型，{‘a’: np.float64, ‘b’: np.int32, ‘c’: ‘Int64’}
• engine：{‘c’, ‘python’}, optional
  要使用的解析器引擎。C 引擎更快，而 python 引擎目前功能更完整。
• converters：dict, optional
• nrows：int, optional
  只读取文件的前几行，文件太大的时候使用。
• na_values：scalar, str, list-like, or dict, optional
  设定哪些值为空值，默认以下将被识别为空值，‘’, ‘#N/A’, ‘#N/A N/A’, ‘#NA’, ‘-1.#IND’, ‘-1.#QNAN’, ‘-NaN’, ‘-nan’, ‘1.#IND’, ‘1.#QNAN’, ‘’, ‘N/A’, ‘NA’, ‘NULL’, ‘NaN’, ‘n/a’, ‘nan’, ‘null‘
• na_filter：bool, default True
  在没有任何 NA 的数据中，传递 na_filter=False 可以提高读取大文件的性能。
• skip_blank_lines：bool, default True
  设置为true则跳过空行。
• parse_dates：bool or list of int or names or list of lists or dict, default False
  日期解析，list of int or names. e.g. If [1, 2, 3] ，将这几列解析为日期格式，list of lists. e.g. If [[1, 3]] ，将这两列结合为一列日期，dict, e.g. {‘foo’ : [1, 3]}，合并1和3列，并命名为foo。
  
  
  
• keep_date_col：bool, default False
  设置为true，那么当parse_dates结合多个字段的时候，会保留原字段。
• compression：{‘infer’, ‘gzip’, ‘bz2’, ‘zip’, ‘xz’, None}, default ‘infer’
  压缩，用于磁盘数据的即时解压缩，默认下，则从以下扩展名检测压缩：‘.gz’、‘.bz2’、‘.zip’ 或 ‘.xz’（否则不解压缩）。如果使用“zip”，则 ZIP 文件必须只包含一个要读入的数据文件。设置为 None 表示不解压缩。
• comment： str, optional
  设定注释行的标识，比如设定 comment=‘#’，如果某一行是以#开头，则会被忽略。
• encoding：str, optional
  指定编码，比如’utf-8’。

excel文件读取

pandas.read_excel(io, sheet_name=0, header=0, names=None, index_col=None, usecols=None, 
squeeze=False, dtype=None, engine=None, converters=None, true_values=None, false_values=None, 
skiprows=None, nrows=None, na_values=None, keep_default_na=True, verbose=False, parse_dates=False, 
date_parser=None, thousands=None, comment=None, skipfooter=0, convert_float=True, 
mangle_dupe_cols=True, **kwds)

• io：路径
• sheet_name：str, int, list, or None, default 0
  None会拿到所有sheet；默认是0，第一页，1为第二页；‘sheet名称’；[0, 1, “Sheet5”]，前两页和Sheet5这一页。
• 其他参数都与csv重复。

json文件读取

pandas.read_json(path_or_buf=None, orient=None, typ='frame', dtype=None, 
convert_axes=None, convert_dates=True, keep_default_dates=True, numpy=False, 
precise_float=False, date_unit=None, encoding=None, lines=False, chunksize=None,
 compression='infer')

• path_or_buf：a valid JSON str, path object or file-like object
  json串，或者路径，Valid URL schemes include http, ftp, s3, and file.
• typ：{‘frame’, ‘series’}, default ‘frame’
  设置解析成的对象类型。frame就是解析为dataframe，series就是解析为series格式。
• orient：str
  如果typ == ‘series’ ，allowed orients are {‘split’,‘records’,‘index’}，default is ‘index’；
  如果typ == ‘frame’, allowed orients are {‘split’,‘records’,‘index’, ‘columns’,‘values’, ‘table’}，default is ‘columns’
  
• dtype：bool or dict, default None
  指定数据格式。
• convert_dates：bool or list of str, default True
  如果列名类似日期，则转为日期，it ends with ‘_at’,it ends with ‘_time’,it begins with ‘timestamp’,it is ‘modified’, or it is ‘date’.