pandas.read_table

pandas.read_table(filepath_or_buffer, sep='\t', delimiter=None, header='infer', names=None, index_col=None, usecols=None, squeeze=False, prefix=None, mangle_dupe_cols=True, dtype=None, engine=None, converters=None, true_values=None, false_values=None, skipinitialspace=False, skiprows=None, nrows=None, na_values=None, keep_default_na=True, na_filter=True, verbose=False, skip_blank_lines=True, parse_dates=False, infer_datetime_format=False, keep_date_col=False, date_parser=None, dayfirst=False, iterator=False, chunksize=None, compression='infer', thousands=None, decimal=b'.', lineterminator=None, quotechar='"', quoting=0, escapechar=None, comment=None, encoding=None, dialect=None, tupleize_cols=None, error_bad_lines=True, warn_bad_lines=True, skipfooter=0, doublequote=True, delim_whitespace=False, low_memory=True, memory_map=False, float_precision=None) [source]

Чтение общего текстового файла с разделителями в DataFrame

Также поддерживает необязательное итеративное чтение или разделение файла на фрагменты.

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-адресом. Допустимые схемы URL включают http, ftp, s3 и file. Для URL-адресов файлов ожидается хост. Например, локальный файл может быть file://localhost/path/to/table.csv sep : str, по умолчанию t (табуляция) Разделитель. Если sep равно None, C-движок не может автоматически определить разделитель, но Python-движок может, что означает, что последний будет использован и автоматически определит разделитель с помощью встроенного средства обнаружения Python, csv.Sniffer. Кроме того, разделители длиной более 1 символа и отличные от '\s+' будут интерпретироваться как регулярные выражения и также будут принудительно использовать Python-движок. Обратите внимание, что разделители регулярных выражений могут игнорировать цитированные данные. Пример регулярного выражения: '\r\t' delimiter : str, по умолчанию None Альтернативное имя аргумента для sep. delim_whitespace : boolean, по умолчанию False Указывает, будут ли пробелы (например, ' ' или '\t') использоваться в качестве разделителя. Эквивалентно установке sep='\s+'. Если этот параметр установлен в True, для параметра delimiter ничего не должно передаваться. Введено в версии 0.18.1: поддержка Python-парсера. header : int или список целых чисел, по умолчанию ‘infer’ Номер(а) строки для использования в качестве имён столбцов и начала данных. По умолчанию имена столбцов определяются автоматически: если имена не переданы, поведение идентично header=0 и имена столбцов определяются из первой строки файла, если имена столбцов явно переданы, то поведение идентично header=None. Явно передайте header=0 для возможности замены существующих имён. Заголовок может быть списком целых чисел, которые указывают позиции строк для многоуровневого индекса столбцов, например [0,1,3]. Промежуточные строки, которые не указаны, будут пропущены (например, 2 в этом примере пропущена). 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, последовательность или False, по умолчанию None Столбец для использования в качестве меток строк DataFrame. Если задана последовательность, используется MultiIndex. Если у вас есть поврежденный файл с разделителями в конце каждой строки, вы можете рассмотреть index_col=False, чтобы принудительно заставить pandas _не_ использовать первый столбец в качестве индекса (имён строк) usecols : список или вызываемый объект, по умолчанию None Возвращает подмножество столбцов. Если список, все элементы должны быть либо позиционными (т.е. целочисленными индексами в столбцах документа), либо строками, соответствующими именам столбцов, предоставленных пользователем в names или определённых из строки(строк) заголовка документа. Например, допустимый параметр списка usecols может быть [0, 1, 2] или [‘foo’, ‘bar’, ‘baz’]. Порядок элементов игнорируется, поэтому usecols=[0, 1] эквивалентно [1, 0]. Чтобы создать DataFrame из data с сохранением порядка элементов, используйте pd.read_csv(data, usecols=['foo', 'bar'])[['foo', 'bar']] для столбцов в порядке ['foo', 'bar'] или pd.read_csv(data, usecols=['foo', 'bar'])[['bar', 'foo']] для порядка ['bar', 'foo']. Если вызываемый объект, вызываемая функция будет оцениваться по именам столбцов, возвращая имена, где вызываемая функция принимает значение True. Примером допустимого аргумента вызываемого объекта будет lambda x: x.upper() in ['AAA', 'BBB', 'DDD']. Использование этого параметра приводит к значительно более быстрому времени парсинга и меньшему использованию памяти. squeeze : boolean, по умолчанию False Если проанализированные данные содержат только один столбец, возвращает Series prefix : str, по умолчанию None Префикс для добавления к номерам столбцов при отсутствии заголовка, например, ‘X’ для X0, X1, … mangle_dupe_cols : boolean, по умолчанию True Дублирующиеся столбцы будут указаны как ‘X’, ‘X.1’, …’X.N’, а не ‘X’…’X’. Передача False приведет к перезаписи данных, если в столбцах есть дублирующиеся 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 соответствующими na_values настройками для сохранения и не интерпретации типа данных. Если указаны преобразователи, они будут применены ВМЕСТО преобразования типа данных. engine : {‘c’, ‘python’}, необязательно Движок парсера для использования. C-движок быстрее, в то время как Python-движок в настоящее время более функционален. converters : словарь, по умолчанию None Словарь функций для преобразования значений в определённых столбцах. Ключи могут быть целыми числами или метками столбцов true_values : список, по умолчанию None Значения, которые рассматриваются как True false_values : список, по умолчанию None Значения, которые рассматриваются как False skipinitialspace : boolean, по умолчанию False Пропустить пробелы после разделителя. skiprows : список, 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 оцениваться по индексам строк, возвращая True, если строка должна быть пропущена, и False в противном случае. Пример допустимого вызываемого аргумента — 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 частей больших файлов na_values : скаляр, строка, список или словарь, по умолчанию None Дополнительные строки для распознавания как NA/NaN. Если передан словарь, то специфические значения NA 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 или нет значения NaN по умолчанию при разборе данных. В зависимости от того, передаётся ли na_values, поведение таково: Если keep_default_na равно True, и na_values указаны, na_values добавляются к значениям NaN по умолчанию, используемым для разбора. Если keep_default_na равно True, и na_values не указаны, используются только значения NaN по умолчанию. Если keep_default_na равно False, и na_values указаны, используются только значения NaN, указанные na_values. Если keep_default_na равно False, и na_values не указаны, никакие строки не будут распознаваться как NaN. Обратите внимание, что если na_filter передано как False, параметры keep_default_na и na_values будут игнорироваться. na_filter : boolean, по умолчанию True Обнаружение маркеров пропущенных значений (пустые строки и значения na_values). В данных без каких-либо значений NA передача na_filter=False может улучшить производительность чтения большого файла verbose : boolean, по умолчанию False Указывает количество значений NA, помещенных в нечисловые столбцы skip_blank_lines : boolean, по умолчанию True Если True, пропускаются пустые строки, вместо интерпретации их как значений NaN parse_dates : boolean или список целых чисел или имён или список списков или словарь, по умолчанию False boolean. Если True -> попытка разбора индекса. список целых чисел или имён. Например, если [1, 2, 3] -> попытка разбора столбцов 1, 2, 3 каждого как отдельного столбца дат. список списков. Например, если [[1, 3]] -> объединение столбцов 1 и 3 и разбор как одного столбца дат. словарь, например, {‘foo’ : [1, 3]} -> разбор столбцов 1, 3 как даты и присвоение результата имени ‘foo’ Если столбец или индекс содержит неразборчивую дату, весь столбец или индекс будут возвращены без изменений как тип данных object. Для нестандартного разбора даты используйте pd.to_datetime после pd.read_csv Примечание: существует быстрый способ 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 он может быть определён, переключится 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 задаёт объединение нескольких столбцов, то сохранить исходные столбцы. date_parser : функция, по умолчанию None Функция для преобразования последовательности столбцов строк в массив экземпляров даты и времени. По умолчанию используется dateutil.parser.parser для 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) конкатенировать (по строкам) значения строк 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 (соответствующих столбцам, определённым parse_dates) в качестве аргументов. dayfirst : boolean, по умолчанию False Даты в формате ДД/ММ, международный и европейский формат iterator : boolean, по умолчанию False Возвратить объект TextFileReader для итерации или получения фрагментов с get_chunk(). chunksize : целое число, по умолчанию None Возвращает объект TextFileReader для итерации. См. документацию по инструментам ввода-вывода для получения дополнительной 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, то обнаружить сжатие по следующим расширениям: ‘.gz’, ‘.bz2’, ‘.zip’ или ‘.xz’ (в противном случае без сжатия). Если используется ‘zip’, файл ZIP 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 : str, по умолчанию None Разделитель тысяч decimal : str, по умолчанию ‘.’ Символ для распознавания десятичной точки (например, используйте ‘,’ для европейских данных). float_precision : строка, по умолчанию None

Указывает, какой преобразователь C движок должен использовать для значений с плавающей точкой. Доступные варианты: None для обычного преобразователя, high для преобразователя высокой точности и round_trip для преобразователя обратного преобразования. lineterminator : str (длина 1), по умолчанию None Символ для разделения файла на строки. Действителен только с C анализатором. quotechar : str (длина 1), необязательно Символ, используемый для обозначения начала и конца цитируемого элемента. Цитируемые элементы могут содержать разделитель, и он будет проигнорирован. quoting : int или csv.QUOTE_* instance, по умолчанию 0 Управление поведением цитирования полей по csv.QUOTE_* константам. Используйте один из QUOTE_MINIMAL (0), QUOTE_ALL (1), QUOTE_NONNUMERIC (2) или QUOTE_NONE (3). doublequote : boolean, по умолчанию True Когда quotechar указан и quoting не QUOTE_NONE, указывает, интерпретировать ли две последовательные символы quotechar ВНУТРИ поля как один quotechar символ. escapechar : str (длина 1), по умолчанию None Символ длиной в один символ, используемый для экранирования разделителя, когда quoting равен QUOTE_NONE. comment : str, по умолчанию None Указывает, что остальная часть строки не должна анализироваться. Если он находится в начале строки, вся строка будет проигнорирована. Этот параметр должен быть одним 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 обработана 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 csv.Dialect instance, по умолчанию None Если указано, этот параметр переопределит значения (по умолчанию или нет) следующих параметров: delimiter, doublequote, escapechar, skipinitialspace, quotechar, и quoting. Если необходимо переопределить значения, будет выведено предупреждение ParserWarning. Подробнее 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, то 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 смешанный вывод типов. Чтобы гарантировать отсутствие смешанных типов, установите False или укажите тип с параметром dtype. Обратите внимание, что весь файл всё равно считывается в один DataFrame, используйте параметры chunksize или iterator для возвращения данных частями. (Действительно только с C анализатором) memory_map : boolean, по умолчанию False Если в качестве filepath_or_buffer указан путь к файлу, сопоставьте объект файла непосредственно с памятью и обратитесь к данным непосредственно оттуда. Использование этого параметра может повысить производительность, поскольку теперь нет накладных расходов на ввод-вывод.

Возвращает:

result : DataFrame or TextParser