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 случаев предпочтительнее использовать более мощную функцию pandas.read_csv(), но from_csv обеспечивает лёгкий обмен данными с 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 устанавливается в 0 вместо None (по умолчанию используется первый столбец в качестве индекса)
• parse_dates устанавливается в True вместо False (по умолчанию пытается разобрать индекс как дату)

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, default 0 Строка, используемая в качестве заголовка (пропускает предыдущие строки) sep : string, default ‘,’ Разделитель полей index_col : int or sequence, default 0 Столбец, используемый для индекса. Если задана последовательность, используется MultiIndex. Отличается от значения по умолчанию в read_table parse_dates : boolean, default True Парсинг дат. Отличается от значения по умолчанию в read_table tupleize_cols : boolean, default False Записывать многоуровневые столбцы как список кортежей (если True) или в новом (расширенном) формате, если False infer_datetime_format : boolean, default False Если True и parse_dates равно True для столбца, попробуйте определить формат даты, основываясь на первой строке с датой. Если формат может быть определён, это часто приведёт к значительному ускорению парсинга.

Возвращает:

y : DataFrame

См. также

pandas.read_csv