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 (УСТАРЕВШЕЕ, пожалуйста, используйте pandas.read_csv() вместо этого).

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

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

• index_col равно 0 вместо None (первый столбец используется в качестве индекса по умолчанию)
• header равно None вместо 0 (первая строка не используется как имена столбцов)
• parse_dates равно True вместо False (попытка распарсить индекс как дату по умолчанию)

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

Параметры:

path : строка пути к файлу или дескриптор файла / StringIO sep : строка, по умолчанию ‘,’ Разделитель полей parse_dates : булево значение, по умолчанию True Парсить даты. Разное значение по умолчанию по сравнению с read_table header : целое число, по умолчанию None Строка для использования в качестве заголовка (пропустить предыдущие строки) index_col : целое число или последовательность, по умолчанию 0 Столбец для использования в качестве индекса. Если задана последовательность, используется MultiIndex. Разное значение по умолчанию по сравнению с read_table encoding : строка, необязательно строка, представляющая кодировку для использования, если содержимое не ASCII, для версий Python до 3 infer_datetime_format: булево значение, по умолчанию False Если True и parse_dates равно True для столбца, попробуйте определить формат даты по первому строковому представлению даты. Если формат может быть определён, часто будет существенное ускорение парсинга.

Возвращаемое значение:

y : Series

См. также

pandas.read_csv