pandas.DataFrame.from_csv

classmethod DataFrame.from_csv(path, header=0, sep=', ', index_col=0, parse_dates=True, encoding=None, tupleize_cols=False, infer_datetime_format=False)

Чтение CSV-файла (НЕ РЕКОМЕНДУЕТСЯ, пожалуйста, используйте pandas.read_csv() вместо этого).

Для большинства общих целей предпочтительнее использовать более мощный pandas.read_csv(), но from_csv обеспечивает лёгкий обмен данными с файлом (точная копия to_csv), особенно с DataFrame временных рядов.

Этот метод отличается от предпочтительного pandas.read_csv() только некоторыми значениями по умолчанию:

• index_col имеет значение 0 вместо None (в качестве индекса используется первая колонка по умолчанию)
• parse_dates имеет значение True вместо False (по умолчанию попытка распарсить индекс как дату)

Поэтому pd.DataFrame.from_csv(path) может быть заменён на pd.read_csv(path, index_col=0, parse_dates=True).

Параметры:

path : путь к файлу или обработчик файла / StringIO header : int, по умолчанию 0 Строка для использования в качестве заголовка (пропустить предыдущие строки) sep : строка, по умолчанию ‘,’ Разделитель полей index_col : int или последовательность, по умолчанию 0 Колонка для использования в качестве индекса. Если задана последовательность, используется MultiIndex. Отличается по умолчанию от read_table parse_dates : boolean, по умолчанию True Парсить даты. Отличается по умолчанию от read_table tupleize_cols : boolean, по умолчанию False записывать колонки с многоуровневым индексом в виде списка кортежей (если True) или в новом (расширенном формате) если False infer_datetime_format: boolean, по умолчанию False Если True и parse_dates равно True для колонки, попытаться определить формат даты на основе первой строки даты. Если формат можно определить, часто наблюдается значительное ускорение парсинга.

Возвращает:

y : DataFrame

См. также

pandas.read_csv