pandas.read_csv

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='.', 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) [source]

Чтение CSV-файла (разделенного запятыми) в DataFrame

Также поддерживает необязательное итеративное чтение или разбиение файла на части.

Дополнительную помощь можно найти в документации по инструментам ввода-вывода.

Параметры:

filepath_or_buffer : str, pathlib.Path, py._path.local.LocalPath или любой объект с методом read() (например, дескриптор файла или StringIO) Строка может быть URL-адресом. Допустимые схемы URL включают http, ftp, s3 и file. Для URL-адресов файлов ожидается хост. Например, локальный файл может быть file://localhost/path/to/table.csv sep : str, по умолчанию ‘,’ Разделитель для использования. Если sep равен None, будет попытка автоматического определения. Разделители длиной более 1 символа и отличные от '\s+' будут интерпретироваться как регулярные выражения, заставят использовать движок парсинга Python и проигнорируют кавычки в данных. Пример регулярного выражения: '\r\t' delimiter : str, по умолчанию None Альтернативное имя аргумента для sep. delim_whitespace : boolean, по умолчанию False Указывает, будут ли пробелы (например, ' ' или '    ') использоваться в качестве разделителя. Эквивалентно установке sep='\s+'. Если этот параметр установлен в True, для параметра delimiter ничего не должно быть передано. Добавлено в версии 0.18.1: поддержка парсера Python. header : int или список целых чисел, по умолчанию ‘infer’ Номер(а) строки для использования в качестве имен столбцов и начала данных. По умолчанию поведение такое же, как если бы оно было установлено в 0, если не было передано names, в противном случае None. Явно передайте header=0, чтобы иметь возможность заменить существующие имена. Заголовок может быть списком целых чисел, которые указывают расположения строк для многоуровневого индекса по столбцам, например, [0,1,3]. Промежуточные строки, которые не указаны, будут пропущены (например, 2 в этом примере пропущена). Обратите внимание, что этот параметр игнорирует комментируемые строки и пустые строки, если skip_blank_lines=True, поэтому header=0 обозначает первую строку данных, а не первую строку файла. names : массив-подобный объект, по умолчанию None Список имен столбцов для использования. Если файл не содержит строки заголовка, то вы должны явно передать header=None. Дубликаты в этом списке не допускаются, если mangle_dupe_cols=True, что является значением по умолчанию. index_col : int или последовательность или False, по умолчанию None Столбец для использования в качестве меток строк DataFrame. Если задана последовательность, используется MultiIndex. Если у вас есть поврежденный файл с разделителями в конце каждой строки, вы можете рассмотреть index_col=False, чтобы заставить pandas _не_ использовать первый столбец в качестве индекса (имен строк) usecols : массив-подобный объект, по умолчанию None Возвращает подмножество столбцов. Все элементы в этом массиве должны быть либо позиционными (т.е. целочисленными индексами в столбцах документа), либо строками, которые соответствуют именам столбцов, предоставленным либо пользователем в names, либо выведенными из строки(ок) заголовка документа. Например, допустимым значением параметра usecols было бы [0, 1, 2] или [‘foo’, ‘bar’, ‘baz’]. Использование этого параметра приводит к значительно более быстрому времени парсинга и меньшему использованию памяти. as_recarray : boolean, по умолчанию False УСТАРЕЛО: этот аргумент будет удален в будущей версии. Пожалуйста, вызовите pd.read_csv(...).to_records() вместо этого. Возвращает NumPy recarray вместо DataFrame после анализа данных. Если установлено в True, этот параметр имеет приоритет над параметром squeeze. Кроме того, поскольку индексы строк недоступны в таком формате, параметр index_col будет проигнорирован. squeeze : boolean, по умолчанию False Если проанализированные данные содержат только один столбец, возвращает Series prefix : str, по умолчанию None Префикс для добавления к номерам столбцов, когда нет заголовка, например, ‘X’ для X0, X1, ... mangle_dupe_cols : boolean, по умолчанию True Дублирующиеся столбцы будут задаваться как ‘X.0’...’X.N’, а не ‘X’...’X’. Передача False приведет к перезаписи данных, если в столбцах есть дублирующиеся имена. dtype : Имя типа или словарь столбец -> тип, по умолчанию None Тип данных для данных или столбцов. Например, {‘a’: np.float64, ‘b’: np.int32} (не поддерживается с engine=’python’). Используйте str или object для сохранения и не интерпретации типа dtype. engine : {‘c’, ‘python’}, необязательно Движок парсера для использования. Движок C быстрее, а движок Python в настоящее время более функционален. converters : словарь, по умолчанию None Словарь функций для преобразования значений в определенных столбцах. Ключи могут быть целыми числами или метками столбцов true_values : список, по умолчанию None Значения, которые рассматриваются как True false_values : список, по умолчанию None Значения, которые рассматриваются как False skipinitialspace : boolean, по умолчанию False Пропускать пробелы после разделителя. skiprows : список или целое число, по умолчанию None Номера строк для пропуска (индексированные с 0) или количество строк для пропуска (целое число) в начале файла skipfooter : int, по умолчанию 0 Количество строк в конце файла для пропуска (не поддерживается с engine=’c’) skip_footer : int, по умолчанию 0 УСТАРЕЛО: используйте вместо этого параметр skipfooter, так как они идентичны nrows : int, по умолчанию None Количество строк файла для чтения. Полезно для чтения фрагментов больших файлов na_values : скаляр, строка, список или словарь, по умолчанию None Дополнительные строки для распознавания как NA/NaN. Если передан словарь, то специфичные значения NA для каждого столбца. По умолчанию следующие значения интерпретируются как NaN: ‘’, ‘#N/A’, ‘#N/A N/A’, ‘#NA’, ‘-1.#IND’, ‘-1.#QNAN’, ‘-NaN’, ‘-nan’, ‘1.#IND’, ‘1.#QNAN’, ‘N/A’, ‘NA’, ‘NULL’, ‘NaN’, ‘nan’`. keep_default_na : bool, по умолчанию True Если na_values заданы и keep_default_na равен False, значения NaN по умолчанию переопределяются, в противном случае они добавляются. na_filter : boolean, по умолчанию True Обнаружение маркеров пропущенных значений (пустые строки и значение na_values). В данных без каких-либо NA передача na_filter=False может улучшить производительность чтения большого файла verbose : boolean, по умолчанию False Указывает количество значений NA, помещенных в нечисловые столбцы skip_blank_lines : boolean, по умолчанию True Если True, пропускает пустые строки вместо интерпретации как значений NaN parse_dates : boolean или список целых чисел или имен или список списков или словарь, по умолчанию False boolean. Если True -> попробовать распарсить индекс. список целых чисел или имен. Например, если [1, 2, 3] -> попробовать распарсить столбцы 1, 2, 3 каждый как отдельный столбец даты. список списков. Например, если [[1, 3]] -> объединить столбцы 1 и 3 и распарсить как один столбец даты. словарь, например {‘foo’ : [1, 3]} -> распарсить столбцы 1, 3 как дату и назвать результат ‘foo’ Примечание: существует быстрый путь для дат в формате iso8601. infer_datetime_format : boolean, по умолчанию False Если True и parse_dates включен, pandas попытается определить формат строк даты и времени в столбцах и, если это возможно, переключится на более быстрый метод их анализа. В некоторых случаях это может увеличить скорость парсинга примерно в 5-10 раз. keep_date_col : boolean, по умолчанию False Если True и parse_dates задает объединение нескольких столбцов, сохраните исходные столбцы. date_parser : функция, по умолчанию None Функция для преобразования последовательности столбцов строк в массив экземпляров даты и времени. По умолчанию используется dateutil.parser.parser для выполнения преобразования. Pandas попытается вызвать date_parser тремя различными способами, переходя к следующему, если произойдет исключение: 1) Передать один или несколько массивов (как определено в parse_dates) в качестве аргументов; 2) конкатенировать (по строкам) строковые значения из столбцов, определенных в parse_dates, в один массив и передать его; и 3) вызвать date_parser один раз для каждой строки, используя одну или несколько строк (соответствующие столбцам, определенным в parse_dates) в качестве аргументов. dayfirst : boolean, по умолчанию False Даты в формате ДД/ММ, международный и европейский формат iterator : boolean, по умолчанию False Возвращает объект TextFileReader для итерации или получения фрагментов с get_chunk(). chunksize : int, по умолчанию None Возвращает объект TextFileReader для итерации. См. документацию по инструментам ввода/вывода для получения дополнительной информации о iterator и chunksize. compression : {‘infer’, ‘gzip’, ‘bz2’, ‘zip’, ‘xz’, None}, по умолчанию ‘infer’ Для сжатия на лету данных на диске. Если ‘infer’, то используйте gzip, bz2, zip или xz, если filepath_or_buffer является строкой, заканчивающейся на ‘.gz’, ‘.bz2’, ‘.zip’ или ‘xz’ соответственно, и не используйте сжатие в противном случае. Если используется ‘zip’, то ZIP-файл должен содержать только один файл данных для чтения. Установите в None для отказа от сжатия. Добавлено в версии 0.18.1: поддержка сжатия ‘zip’ и ‘xz’. thousands : str, по умолчанию None Разделитель тысяч decimal : str, по умолчанию ‘.’ Символ для распознавания десятичной точки (например, используйте ‘,’ для европейских данных). float_precision : строка, по умолчанию None Указывает, какой преобразователь движок C должен использовать для значений с плавающей запятой. Доступные варианты: None для обычного преобразователя, high для преобразователя высокой точности и round_trip для преобразователя с обратной совместимостью. lineterminator : str (длина 1), по умолчанию None Символ для разделения файла на строки. Только допустимо с C парсером. quotechar : str (длина 1), необязательно Символ, используемый для обозначения начала и конца цитируемого элемента. Цитируемые элементы могут включать разделитель, и он будет пропущен. quoting : int или csv.QUOTE_* instance, по умолчанию 0 Управление поведением цитирования полей по csv.QUOTE_* константам. Используйте одно из QUOTE_MINIMAL (0), QUOTE_ALL (1), QUOTE_NONNUMERIC (2) или QUOTE_NONE (3). doublequote : boolean, по умолчанию True Когда quotechar задан и quoting не QUOTE_NONE, указывает, нужно ли интерпретировать два последовательных элемента quotechar ВНУТРИ поля как один quotechar элемент. escapechar : str (длина 1), по умолчанию None Строка длиной в один символ, используемая для экранирования разделителя, когда quoting равен QUOTE_NONE. comment : str, по умолчанию None Указывает, что остаток строки не должен анализироваться. Если найден в начале строки, строка будет полностью пропущена. Этот параметр должен быть одним символом. Как и пустые строки (пока skip_blank_lines=True), полностью комментированные строки игнорируются параметром header, но не skiprows. Например, если comment=’#’, анализ ‘#emptyna,b,cn1,2,3’ с header=0 приведет к тому, что ‘a,b,c’ будет обработано как заголовок. encoding : str, по умолчанию None

Кодировка, используемая для UTF при чтении/записи (например, ‘utf-8’). Список стандартных кодировок Python dialect : str или экземпляр csv.Dialect, по умолчанию None Если None, используется диалект Excel. Игнорируется, если sep длиннее 1 символа. См. документацию csv.Dialect для получения более подробной информации tupleize_cols : boolean, по умолчанию False Оставить список кортежей в столбцах как есть (по умолчанию преобразовать в многоуровневый индекс столбцов) error_bad_lines : boolean, по умолчанию True Строки с слишком большим количеством полей (например, строка CSV с слишком многими запятыми) по умолчанию вызывают исключение, и DataFrame не возвращается. Если False, эти «плохие строки» будут удалены из возвращаемого DataFrame. (Только с C анализатором) warn_bad_lines : boolean, по умолчанию True Если error_bad_lines — False, а warn_bad_lines — True, то для каждой «плохой строки» будет выведено предупреждение. (Только с C анализатором). low_memory : boolean, по умолчанию True Внутренне обрабатывать файл частями, что приводит к меньшему использованию памяти во время парсинга, но, возможно, к смешанному выводу типов. Чтобы гарантировать отсутствие смешанных типов, установите False или укажите тип с параметром dtype. Обратите внимание, что весь файл все равно считывается в один DataFrame, используйте параметры chunksize или iterator, чтобы возвращать данные частями. (Только с C анализатором) buffer_lines : int, по умолчанию None УСТАРЕЛО: этот аргумент будет удален в будущей версии, так как его значение не учитывается анализатором compact_ints : boolean, по умолчанию False УСТАРЕЛО: этот аргумент будет удален в будущей версии Если compact_ints — True, то для любого столбца целочисленного типа анализатор попытается преобразовать его в целочисленный тип наименьшего размера, либо со знаком, либо без знака, в зависимости от указаний из параметра use_unsigned. use_unsigned : boolean, по умолчанию False УСТАРЕЛО: этот аргумент будет удален в будущей версии Если целочисленные столбцы сжимаются (т.е. compact_ints=True), укажите, должен ли столбец сжиматься до целочисленного типа наименьшего размера со знаком или без знака. memory_map : boolean, по умолчанию False Если для filepath_or_buffer указан путь к файлу, отобразить объект файла непосредственно в памяти и получить доступ к данным непосредственно оттуда. Использование этого параметра может повысить производительность, поскольку теперь нет накладных расходов на ввод-вывод.

Возвращает:

result : DataFrame или TextParser