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, используйте pandas.read_csv() вместо этого).

Для большинства общих целей предпочтительнее использовать более мощную функцию pandas.read_csv(), но from_csv обеспечивает лёгкий обмен данными с файлом (точная копия to_csv), особенно с временными рядами.

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

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

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

Parameters:

path : строковый путь к файлу или обработчик файла / StringIO sep : строка, по умолчанию ‘,’ Разделитель столбцов parse_dates : boolean, default True Парсить даты. Отличается от значения по умолчанию в read_table header : int, default None Строка для использования в качестве заголовка (пропустить предыдущие строки) index_col : int или последовательность, по умолчанию 0 Столбец для использования в качестве индекса. Если указана последовательность, используется MultiIndex. Отличается от значения по умолчанию в read_table encoding : строка, необязательно строка, представляющая кодировку для использования, если содержимое не ASCII, для версий Python до 3 infer_datetime_format: boolean, default False Если True и parse_dates True для столбца, попробуйте определить формат даты и времени на основе первой строки даты и времени. Если формат можно определить, часто наблюдается значительное ускорение парсинга.

Returns:

y : Series

См. также

pandas.read_csv