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=b'.', 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. Если sep равен None, C-движок не может автоматически определить разделитель, но Python-движок может, поэтому он будет автоматически использован. Кроме того, разделители длиной более 1 символа и отличные от '\s+' будут интерпретироваться как регулярные выражения и также заставят использовать Python-движок. Обратите внимание, что разделители-регулярные выражения могут игнорировать цитированные данные. Пример регулярного выражения: '\r\t' delimiter : str, по умолчанию None Альтернативное имя аргумента для sep. delim_whitespace : boolean, по умолчанию False Указывает, использовать ли пробелы (например, ' ' или '    ') в качестве разделителя. Эквивалентно установке sep='\s+'. Если этот параметр установлен в True, для параметра delimiter ничего не должно передаваться. Добавлена в версии 0.18.1: поддержка Python-парсера. header : int или список целых чисел, по умолчанию ‘infer’ Номер(а) строки, используемые в качестве имён столбцов и начала данных. По умолчанию поведение такое же, как при установке в 0, если не было передано names, в противном случае None. Явно передайте header=0 для возможности замены существующих имён. Заголовок может быть списком целых чисел, которые указывают позиции строк для многоуровневого индекса столбцов, например, [0,1,3]. Промежуточные строки, которые не указаны, будут пропущены (например, 2 в этом примере пропущена). Обратите внимание, что этот параметр игнорирует комментированные 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 имён столбцов для использования. Если файл не содержит заголовка, необходимо явно передать header=None. Дубликаты в этом списке не допускаются, за исключением случаев mangle_dupe_cols=True, по умолчанию. index_col : int, последовательность или False, по умолчанию None Столбец для использования в качестве меток строк DataFrame. Если задана последовательность, используется MultiIndex. Если у вас есть повреждённый файл с разделителями в конце каждой строки, вы можете рассмотреть возможность index_col=False для принудительного отказа pandas от использования первого столбца в качестве индекса (имён строк) usecols : массив-подобный объект или вызываемая функция, по умолчанию None Возвращает подмножество столбцов. Если массив-подобный объект, все элементы должны быть либо позиционными (т.е. целочисленными индексами в столбцах документа), либо строками, соответствующими именам столбцов, предоставленными пользователем в names или выведенными из заголовка(ов) документа. Например, допустимым массивоподобным usecols параметром будет [0, 1, 2] или [‘foo’, ‘bar’, ‘baz’]. Если вызываемая функция, вызываемая функция будет вычисляться относительно имён столбцов, возвращая имена, где вызываемая функция возвращает True. Пример допустимого аргумента вызываемой функции lambda x: x.upper() in ['AAA', 'BBB', 'DDD']. Использование этого параметра приводит к значительно более быстрому времени парсинга и меньшему использованию памяти. as_recarray : boolean, по умолчанию False УСТАРЕВШИЙ параметр: этот аргумент будет удален в будущей версии. Пожалуйста, вызовите pd.read_csv(...).to_records() вместо этого. Возвращает массив NumPy recarray вместо DataFrame после парсинга данных. Если установлено в True, этот параметр имеет приоритет над squeeze параметром. 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 при отсутствии заголовка, например, ‘X’ для X0, X1, ... mangle_dupe_cols : boolean, по умолчанию True Дублирующие столбцы будут указаны как ‘X.0’...’X.N’, а не ‘X’...’X’. Передача False приведет к перезаписи данных, если в столбцах есть дублирующие имена. dtype : Имя типа или словарь столбец -> тип, по умолчанию None Тип данных для данных или столбцов. Например, {‘a’: np.float64, ‘b’: np.int32}. Используйте str или object для сохранения и не интерпретации dtype. Если заданы преобразующие функции, они будут применяться ВМЕСТО преобразования dtype. engine : {‘c’, ‘python’}, необязательно Движок парсера для использования. C-движок быстрее, тогда как Python-движок в настоящее время более функционально полный. converters : словарь, по умолчанию None Словарь функций для преобразования значений в определённых столбцах. Ключи могут быть целыми числами или метками столбцов true_values : список, по умолчанию None Значения, которые следует рассматривать как True false_values : список, по умолчанию None Значения, которые следует рассматривать как False skipinitialspace : boolean, по умолчанию False Пропустить пробелы после разделителя. skiprows : список или целое число или вызываемая функция, по умолчанию None Номера строк для пропуска (индексирование с 0) или количество строк для пропуска (целое число) в начале файла. Если это вызываемая функция, вызываемая функция будет вычисляться по индексам строк, возвращая True, если строка должна быть пропущена, и False в противном случае. Пример допустимого аргумента вызываемой функции lambda x: x in [0, 2]. skipfooter : целое число, по умолчанию 0 Количество строк в конце файла для пропуска (не поддерживается с engine=’c’) skip_footer : целое число, по умолчанию 0 УСТАРЕВШИЙ: используйте параметр skipfooter вместо него, так как они идентичны nrows : целое число, 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 конкретные 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 False, значения NaN по умолчанию переопределяются, иначе они добавляются. na_filter : boolean, по умолчанию True Обнаружение маркеров пропущенных значений (пустые строки и значения na_values). В данных без каких-либо NA передача na_filter=False может повысить производительность чтения большого файла verbose : boolean, по умолчанию False Указывает количество значений NA, помещённых в нечисленные столбцы skip_blank_lines : boolean, по умолчанию True Если True, пропускаются пустые строки вместо интерпретации как значений NaN parse_dates : boolean или список целых чисел или имён или список списков или словарь, по умолчанию False boolean. Если True -> попытка парсинга индекса. список целых чисел или имён. Например, Если [1, 2, 3] -> попытка парсинга столбцов 1, 2, 3 по отдельности как столбцов дат. список списков. Например, Если [[1, 3]] -> объединение столбцов 1 и 3 и парсинг как одного столбца дат. словарь, например, {‘foo’ : [1, 3]} -> парсинг столбцов 1, 3 как дат и присвоение результата имени ‘foo’ Если столбец или индекс содержит неразбираемую дату, весь столбец или индекс возвращаются неизменёнными как тип данных object. Для нестандартного парсинга дат используйте pd.to_datetime после pd.read_csv Примечание: существует быстрый путь для дат в формате iso8601. infer_datetime_format : boolean, по умолчанию False Если True и parse_dates включено, pandas попытается определить формат строк дат в столбцах и, если это возможно, переключиться на более быстрый метод их парсинга. В некоторых случаях это может увеличить скорость парсинга в 5-10 раз. keep_date_col : boolean, по умолчанию False Если True и parse_dates задаёт объединение нескольких столбцов, то сохранить исходные столбцы. date_parser : функция, по умолчанию None Функция для преобразования последовательности столбцов строк в массив экземпляров datetime. По умолчанию используется dateutil.parser.parser для преобразования. Pandas попытается вызвать date_parser тремя различными способами, переходя к следующему, если произойдёт исключение: 1) Передать один или несколько массивов (как определено parse_dates) в качестве аргументов; 2) конкатенировать (по строкам) строковые значения из столбцов, определённых parse_dates, в один массив и передать его; и 3) вызвать date_parser один раз для каждой строки, используя одну или несколько строк (соответствующих столбцам, определённым 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 : целое число, по умолчанию None Возвращает объект TextFileReader для итерации. См. документацию по средствам ввода-вывода для получения дополнительной информации о iterator и chunksize. compression : {‘infer’, ‘gzip’, ‘bz2’, ‘zip’, ‘xz’, None}, по умолчанию ‘infer’ Для онлайн-распаковки данных на диске. Если ‘infer’, то использовать gzip, bz2, zip или xz, если filepath_or_buffer — строка, заканчивающаяся на ‘.gz’, ‘.bz2’, ‘.zip’ или ‘xz’ соответственно, и без распаковки в противном случае. При использовании ‘zip’, ZIP-файл должен содержать только один файл данных для чтения. Установите в None для отключения распаковки. Добавлена в версии 0.18.1: поддержка сжатия ‘zip’ и ‘xz’. thousands : str, по умолчанию None Разделитель разрядов decimal : str, по умолчанию ‘.’ Символ, распознаваемый как десятичная точка (например, используйте ‘,’ для европейских данных). float_precision : строка, по умолчанию None Указывает, какой преобразователь C-движок должен использовать для чисел с плавающей запятой. Доступные варианты None для обычного преобразователя, high для высокоточного преобразователя и round_trip для преобразователя с обратным преобразованием. 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 проигнорирован. quoting : целое число или экземпляр csv.QUOTE_*, по умолчанию 0 Управление поведением цитирования полей по csv.QUOTE_* константам. Используйте один из QUOTE_MINIMAL (0), QUOTE_ALL (1), QUOTE_NONNUMERIC (2) или QUOTE_NONE (3). doublequote : boolean, по умолчанию True

При указании параметра quotechar и если параметр quoting не QUOTE_NONE, укажите, нужно ли интерпретировать два последовательных элемента quotechar ВНУТРИ поля как один quotechar элемент. escapechar : str (длина 1), по умолчанию None Односимвольная строка, используемая для экранирования разделителя, когда quoting равно QUOTE_NONE. comment : str, по умолчанию None Указывает, что оставшаяся часть строки не должна анализироваться. Если он находится в начале строки, вся строка будет пропущена. Этот параметр должен быть одиночным символом. Как и пустые строки (пока skip_blank_lines=True), полностью прокомментированные строки игнорируются параметром header но не skiprows. Например, если comment=’#’, при анализе ‘#emptyna,b,cn1,2,3’ с header=0 будет получено ‘a,b,c’, что будет считаться заголовком. encoding : str, по умолчанию None Кодировка для использования для UTF при чтении/записи (например, ‘utf-8’). Список стандартных кодировок Python dialect : str или экземпляр csv.Dialect, по умолчанию None При указании этот параметр переопределит значения (по умолчанию или нет) для следующих параметров: delimiter, doublequote, escapechar, skipinitialspace, quotechar, и quoting. Если требуется переопределение, будет выведено предупреждение ParserWarning. Дополнительные сведения см. в документации csv.Dialect. tupleize_cols : boolean, по умолчанию False Оставить список кортежей в столбцах в исходном виде (по умолчанию преобразовать в Многоиндексные столбцы) error_bad_lines : boolean, по умолчанию True Строки с слишком большим количеством полей (например, строка CSV со слишком многими запятыми) по умолчанию вызывают исключение, и DataFrame не возвращается. Если False, то эти «плохие строки» будут удалены из возвращаемого DataFrame. warn_bad_lines : boolean, по умолчанию True Если error_bad_lines равно False, а warn_bad_lines равно True, для каждой «плохой строки» будет выведено предупреждение. low_memory : boolean, по умолчанию True Внутренне обрабатывает файл частями, что приводит к меньшему использованию памяти во время анализа, но, возможно, к смешанному выводу типов. Чтобы избежать смешанных типов, установите False или укажите тип с параметром dtype. Обратите внимание, что весь файл считывается в один DataFrame независимо, используйте параметр chunksize или iterator для возврата данных частями. (Только с C парсером) buffer_lines : int, по умолчанию None УСТАРЕВШИЙ параметр: этот параметр будет удален в будущей версии, так как его значение не учитывается парсером compact_ints : boolean, по умолчанию False УСТАРЕВШИЙ параметр: этот параметр будет удален в будущей версии Если compact_ints True, то для любого столбца целого типа данных парсер попытается привести его к наименьшему возможному целому типу данных, как со знаком, так и без знака, в зависимости от спецификации из параметра use_unsigned. use_unsigned : boolean, по умолчанию False УСТАРЕВШИЙ параметр: этот параметр будет удален в будущей версии Если столбцы целых чисел сжимаются (т.е. compact_ints=True), укажите, должен ли столбец быть сжат до наименьшего целочисленного типа со знаком или без знака. memory_map : boolean, по умолчанию False Если для filepath_or_buffer задан путь к файлу, отобразить файл непосредственно в памяти и получать данные напрямую оттуда. Использование этого параметра может улучшить производительность, так как больше нет накладных расходов на ввод-вывод.

Возвращает:

result : DataFrame или TextParser