pandas.read_fwf

pandas.read_fwf(filepath_or_buffer, colspecs='infer', widths=None, **kwds) [source]

Чтение таблицы с фиксированной шириной в DataFrame

Также поддерживает необязательное итеративное чтение или разделение файла на части.

Дополнительную помощь можно найти в документации по инструментам ввода/вывода.

Параметры:

filepath_or_buffer : str, pathlib.Path, py._path.local.LocalPath or any \ объект с методом read() (например, дескриптор файла или StringIO) Строка может быть URL. Допустимые схемы URL включают http, ftp, s3 и file. Для URL файлов ожидается хост. Например, локальный файл может быть file://localhost/path/to/table.csv colspecs : список пар (int, int) или ‘infer’. необязательно Список пар (кортежей), задающих границы полей с фиксированной шириной каждой строки как полуоткрытые интервалы (т.е. [от, до[). Строковое значение ‘infer’ можно использовать для указания парсеру попытаться определить спецификации столбцов из первых 100 строк данных, которые не пропускаются с помощью skiprows (по умолчанию=’infer’). widths : список целых чисел. необязательно Список ширин полей, которые могут быть использованы вместо ‘colspecs’, если интервалы являются непрерывными. delimiter : str, по умолчанию '    ' + ' ' Символы, которые следует рассматривать как символы-заполнители в файле с фиксированной шириной. Могут использоваться для указания символа-заполнителя полей, если это не пробелы (например, ‘~’). delim_whitespace : boolean, по умолчанию False Указывает, будут ли пробелы (например, ' ' или '\t') использоваться в качестве разделителя. Эквивалентно установлению sep='\s+'. Если этот параметр установлен в True, параметр delimiter не должен передаваться. Введено в версии 0.18.1: поддержка Python-парсера. header : целое число или список целых чисел, по умолчанию ‘infer’ Номер(а) строки(ок) для использования в качестве названий столбцов и начала данных. По умолчанию происходит определение названий столбцов: если имена не переданы, поведение идентично header=0, а имена столбцов определяются из первой строки файла; если имена столбцов переданы явно, поведение идентично header=None. Явно передайте header=0 для возможности замены существующих имен. Header может быть списком целых чисел, которые указывают расположение строк для многоуровневого индекса по столбцам, например [0,1,3]. Промежуточные строки, которые не указаны, будут пропущены (например, 2 в этом примере пропускается). Обратите внимание, что этот параметр игнорирует прокомментированные строки 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 строки заголовка, необходимо явно передать header=None. Дубликаты в этом списке приведут к UserWarning. index_col : целое число или последовательность или False, по умолчанию None Столбец для использования в качестве меток строк DataFrame. Если передана последовательность, используется многоуровневый индекс. 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 (имен строк) usecols : список или вызываемый объект, по умолчанию None Возвращает подмножество столбцов. Если список-подобный объект, все элементы должны быть либо позиционными (т.е. целочисленными индексами столбцов документа), либо строками, соответствующими именам столбцов, предоставленными пользователем в names или полученными из строки(ок) заголовка документа. Например, допустимый список-подобный usecols параметр будет [0, 1, 2] или [‘foo’, ‘bar’, ‘baz’]. Порядок элементов игнорируется, поэтому usecols=[0, 1] равно [1, 0]. Для создания DataFrame из data с сохранением порядка элементов используйте pd.read_csv(data, usecols=['foo', 'bar'])[['foo', 'bar']] для столбцов в ['foo', 'bar'] порядке или pd.read_csv(data, usecols=['foo', 'bar'])[['bar', 'foo']] для ['bar', 'foo'] порядка. Если вызываемый объект, вызываемая функция будет вычислена по именам столбцов, возвращая имена, где вызываемая функция равна True. Примером допустимого аргумента вызываемого объекта является lambda x: x.upper() in ['AAA', 'BBB', 'DDD']. Использование этого параметра приводит к значительно более быстрому времени парсинга и меньшему потреблению памяти. squeeze : boolean, по умолчанию False Если проанализированные данные содержат только один столбец, возвращается Series prefix : строка, по умолчанию None Префикс, добавляемый к номерам столбцов при отсутствии заголовка, например, ‘X’ для X0, X1, … mangle_dupe_cols : boolean, по умолчанию True Дублирующие столбцы будут указаны как ‘X’, ‘X.1’, …’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 вместе с подходящими na_values настройками для сохранения и не интерпретации типа данных. Если указаны преобразователи, они будут применяться ВМЕСТО преобразования типа данных. converters : словарь, по умолчанию None Словарь функций для преобразования значений в определенных 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 Пропускать пробелы после разделителя. skiprows : список или целое число или вызываемый объект, по умолчанию None Номера строк для пропуска (индексация с 0) или количество строк для пропуска (целое число) в начале файла. Если вызываемый объект, вызываемая функция будет вычислена по индексам строк, возвращая True, если строка должна быть пропущена, и False в противном случае. Примером допустимого аргумента вызываемого объекта является lambda x: x in [0, 2]. skipfooter : целое число, по умолчанию 0 Количество строк в конце файла для пропуска (не поддерживается с engine=’c’) nrows : целое число, по умолчанию None Количество строк файла для чтения. Полезно для чтения фрагментов больших файлов na_values : скаляр, строка, список-подобный объект или словарь, по умолчанию None Дополнительные строки для распознавания как NA/NaN. Если передан словарь, то значения NA/NaN 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’, ‘n/a’, ‘nan’, ‘null’. keep_default_na : bool, по умолчанию True Включать ли значения NaN по умолчанию при парсинге данных. В зависимости от того, передаётся ли na_values, поведение следующее: Если keep_default_na равно True, и na_values указаны, na_values добавляется к значениям NaN по умолчанию, используемым для парсинга. Если keep_default_na равно True, и na_values не указаны, для парсинга используются только значения NaN по умолчанию. Если keep_default_na равно False, и na_values указаны, для парсинга используются только значения NaN, указанные na_values. Если keep_default_na равно False, и na_values не указаны, никакие строки не будут интерпретироваться как NaN. Обратите внимание, что если na_filter передаётся как False, keep_default_na и na_values параметры будут игнорироваться. na_filter : boolean, по умолчанию True Обнаруживать ли маркеры пропущенных значений (пустые строки и значения na_values). При данных без каких-либо NA, передача na_filter=False может улучшить производительность чтения большого файла verbose : boolean, по умолчанию False Указывать количество значений NA, помещенных в нечисловые столбцы skip_blank_lines : boolean, по умолчанию True Если True, пропускать 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 -> попытаться разобрать индекс. список целых чисел или имён. Например, если [1, 2, 3] -> попытаться разобрать столбцы 1, 2, 3 каждый как отдельный столбец дат. список списков. Например, если [[1, 3]] -> объединить столбцы 1 и 3 и разобрать как один столбец дат. словарь, например {‘foo’ : [1, 3]} -> разобрать столбцы 1, 3 как даты и назвать результат ‘foo’ Если столбец или индекс содержит неразбираемую дату, весь столбец или индекс будут возвращены 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 включён, pandas попытается определить формат строк дат в столбцах и, если это возможно, переключиться на более быстрый метод их разбора. В некоторых случаях это может увеличить скорость разбора на 5-10 раз. keep_date_col : boolean, по умолчанию False Если True и parse_dates указывает на объединение нескольких столбцов, сохранить исходные столбцы. date_parser : функция, по умолчанию None Функция для преобразования последовательности столбцов строк в массив экземпляров дат. По умолчанию используется dateutil.parser.parser для выполнения 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) склеить (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 (соответствующие столбцам, определённым parse_dates) в качестве аргументов. dayfirst : boolean, по умолчанию False Даты формата ДД/ММ, международный и европейский формат iterator : boolean, по умолчанию False Возвращает объект TextFileReader для итерации или получения кусков с get_chunk(). chunksize : целое число, по умолчанию None Возвращает объект TextFileReader для итерации. См. документацию по инструментам ввода-вывода для получения более подробной информации о iterator и chunksize. compression : {‘infer’, ‘gzip’, ‘bz2’, ‘zip’, ‘xz’, None}, по умолчанию ‘infer’ Для динамического сжатия данных на диске. Если ‘infer’ и filepath_or_buffer является путём, определить сжатие по следующим расширениям: ‘.gz’, ‘.bz2’, ‘.zip’ или ‘.xz’ (в противном случае сжатие не используется). При использовании ‘zip’, ZIP-архив должен содержать только один файл данных для чтения. Установить в None для отсутствия сжатия. Введено в версии 0.18.1: поддержка сжатия ‘zip’ и ‘xz’. thousands : строка, по умолчанию None Разделитель разрядов тысяч decimal : строка, по умолчанию ‘.’ Символ для распознавания десятичной точки (например, используйте ‘,’ для европейских данных). float_precision : строка, по умолчанию None

Указывает, какой конвертер должен использовать движок C для значений с плавающей точкой. Доступные варианты: None для обычного конвертера, high для конвертера высокой точности и round_trip для конвертера обратного преобразования. lineterminator : str (длина 1), по умолчанию None Символ для разделения файла на строки. Действителен только с C-парсером. quotechar : str (длина 1), необязательно Символ, используемый для обозначения начала и конца цитируемого элемента. Цитаты могут включать разделитель, и он будет пропущен. quoting : int или экземпляр csv.QUOTE_*, по умолчанию 0 Управление поведением цитирования полей в соответствии с csv.QUOTE_* константами. Используйте один из QUOTE_MINIMAL (0), QUOTE_ALL (1), QUOTE_NONNUMERIC (2) или QUOTE_NONE (3). doublequote : boolean, по умолчанию True Когда quotechar указан, а quoting не QUOTE_NONE, указывает, интерпретировать ли два последовательных элемента quotechar ВНУТРИ поля как один quotechar элемент. escapechar : str (длина 1), по умолчанию None Символьная строка длиной 1 для экранирования разделителя, когда quoting равен QUOTE_NONE. comment : str, по умолчанию None Указывает, что оставшаяся часть строки не должна анализироваться. Если он находится в начале строки, строка будет полностью пропущена. Этот параметр должен быть одиночным символом. Как и пустые строки (пока skip_blank_lines=True), полностью комментированные строки игнорируются параметром header, но не skiprows. Например, если comment='#', парсинг #empty\na,b,c\n1,2,3 с header=0 приведет к тому, что ‘a,b,c’ будет обработано как заголовок. encoding : str, по умолчанию None Кодировка для использования с UTF при чтении/записи (например, ‘utf-8’). Список стандартных кодировок Python dialect : str или экземпляр csv.Dialect, по умолчанию None Если предоставлено, этот параметр переопределит значения (по умолчанию или нет) для следующих параметров: delimiter, doublequote, escapechar, skipinitialspace, quotechar, и quoting. Если необходимо переопределить значения, будет выведено предупреждение ParserWarning. Для получения более подробной информации см. документацию csv.Dialect. tupleize_cols : boolean, по умолчанию False Устарело начиная с версии 0.21.0: Этот аргумент будет удален и всегда будет преобразовывать в MultiIndex Оставить список кортежей в столбцах как есть (по умолчанию — преобразовать в MultiIndex по столбцам) error_bad_lines : boolean, по умолчанию True Строки с слишком большим количеством полей (например, строка csv с слишком большим количеством запятых) по умолчанию вызовут исключение, и DataFrame не будет возвращен. Если False, эти «плохие строки» будут удалены из возвращаемого DataFrame. warn_bad_lines : boolean, по умолчанию True Если error_bad_lines False, а warn_bad_lines 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 парсинга, но, возможно, к смешанному выводу типа. Для того чтобы избежать смешанных типов, либо установите False, либо укажите тип с параметром dtype. Обратите внимание, что весь файл все равно считывается в один DataFrame; используйте параметр chunksize или iterator, чтобы вернуть данные частями. (Действительно только с C-парсером) memory_map : boolean, по умолчанию False Если для filepath_or_buffer указан путь к файлу, отображает объект файла непосредственно в памяти и получает доступ к данным непосредственно из него. Использование этого параметра может повысить производительность, поскольку больше нет накладных расходов на ввод-вывод.

Возвращает:

result : DataFrame or TextParser