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 CSV-файла.

Устарело начиная с версии 0.21.0: Используйте pandas.read_csv() вместо этого.

Для большинства общих задач предпочтительнее использовать более мощную функцию pandas.read_csv(), но from_csv позволяет легко выполнять обратное преобразование между DataFrame и файлом (точная копия to_csv), особенно с DataFrame временных рядов.

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

• index_col установлено в 0 вместо None (первый столбец используется в качестве индекса по умолчанию)
• parse_dates установлено в True вместо False (попытка интерпретации индекса как даты по умолчанию)

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

Параметры:

path : string file path or file handle / StringIO header : int, по умолчанию 0 Строка, используемая в качестве заголовка (пропускает предыдущие строки) sep : строка, по умолчанию ‘,’ Разделитель полей index_col : int или последовательность, по умолчанию 0 Столбец, используемый для индекса. Если указана последовательность, используется MultiIndex. Отличается от значения по умолчанию в read_table parse_dates : булево, по умолчанию True Парсить даты. Отличается от значения по умолчанию в read_table tupleize_cols : булево, по умолчанию False Представлять столбцы с многоуровневым индексом как список кортежей (если True) или новый (расширенный формат), если False) infer_datetime_format: булево, по умолчанию False Если True и parse_dates True для столбца, попробуйте определить формат даты по первой строке даты. Если формат можно определить, часто наблюдается значительное ускорение парсинга.

Возвращает:

y : DataFrame

См. также

pandas.read_csv