pandas.DataFrame.from_csv

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

Чтение файла CSV (УСТАРЕВШЕЕ, пожалуйста, используйте pandas.read_csv() вместо этого).

Для большинства общих целей предпочтительно использовать более мощный pandas.read_csv(), но from_csv обеспечивает простой обмен данными между файлом и структурой данных (точная копия to_csv), особенно для DataFrame временных рядов.

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

• index_col равно 0 вместо None (по умолчанию первая колонка используется как индекс)
• parse_dates равно True вместо False (по умолчанию попытка распарсить индекс как дату и время)

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

Параметры:

path : строковый путь к файлу или дескриптор файла / StringIO header : целое число, по умолчанию 0 Строка, используемая в качестве заголовка (пропустить предшествующие строки) sep : строка, по умолчанию ‘,’ Разделитель полей index_col : целое число или последовательность, по умолчанию 0 Столбец, используемый для индекса. Если задана последовательность, используется MultiIndex. Отличается от значения по умолчанию read_table parse_dates : булево значение, по умолчанию True Парсить даты. Отличается от значения по умолчанию read_table tupleize_cols : булево значение, по умолчанию False Записать колонки многоуровневого индекса как список кортежей (если True) или новый формат (расширенный) если False infer_datetime_format: булево значение, 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 может быть определен, часто наблюдается значительное ускорение процесса парсинга.

Возвращает:

y : DataFrame

См. также

pandas.read_csv