pandas.Series.from_csv

classmethod Series.from_csv(path, sep=', ', parse_dates=True, header=None, index_col=0, encoding=None, infer_datetime_format=False) [source]

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

Для большинства общих задач предпочтительнее использовать более мощную функцию pandas.read_csv(), но from_csv упрощает обмен данными с файлом (точное соответствие to_csv), особенно для временных рядов.

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

• index_col имеет значение 0 вместо None (по умолчанию первый столбец используется в качестве индекса)
• header имеет значение None вместо 0 (первая строка не используется в качестве названий столбцов)
• parse_dates имеет значение True вместо False (по умолчанию пытается разобрать индекс как дату и время)

С помощью pandas.read_csv() можно использовать параметр squeeze=True для возврата Series, подобной from_csv.

Parameters:

path : строка пути к файлу или дескриптор файла / StringIO sep : строка, по умолчанию ‘,’ Разделитель столбцов parse_dates : boolean, по умолчанию True Парсить даты. Отличается от значения по умолчанию в read_table header : int, по умолчанию None Строка, используемая в качестве заголовка (пропускаются предыдущие строки) index_col : int или последовательность, по умолчанию 0 Столбец для использования в качестве индекса. Если задана последовательность, используется MultiIndex. Отличается от значения по умолчанию в read_table encoding : строка, необязательно строка, представляющая кодировку, которую следует использовать, если содержимое не ASCII, для версий Python до 3 infer_datetime_format: boolean, по умолчанию False Если True и parse_dates равно True для столбца, попробуйте определить формат даты и времени, основываясь на первой строке даты и времени. Если формат можно определить, часто наблюдается значительное ускорение разбора.

Returns:

y : Series

См. также

pandas.read_csv