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) [source]

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

Для большинства общих задач предпочтительнее использовать более мощную функцию pandas.read_csv(), но from_csv упрощает работу с файлами (полный аналог to_csv), особенно с DataFrame временных рядов.

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

• index_col установлено в 0 вместо None (первый столбец используется в качестве индекса по умолчанию)
• parse_dates установлено в True вместо False (попытка интерпретировать индекс как дату по умолчанию)

Таким образом, pd.DataFrame.from_csv(path) можно заменить на pd.read_csv(path, index_col=0, parse_dates=True).

Параметры:

path : путь к файлу или дескриптор файла / StringIO header : int, по умолчанию 0 Строка, используемая в качестве заголовка (строки выше пропускаются) sep : строка, по умолчанию ‘,’ Разделитель полей index_col : int или последовательность, по умолчанию 0 Столбец, используемый в качестве индекса. Если задана последовательность, используется MultiIndex. Отличие от read_table parse_dates : boolean, по умолчанию True Парсить даты. Отличие от read_table tupleize_cols : boolean, по умолчанию False представление многоиндексных столбцов 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 столбца, попробуйте 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