pandas.read_csv

pandas.read_csv(filepath_or_buffer, sep=', ', 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, skipfooter=0, 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, doublequote=True, escapechar=None, comment=None, encoding=None, dialect=None, tupleize_cols=None, error_bad_lines=True, warn_bad_lines=True, delim_whitespace=False, low_memory=True, memory_map=False, float_precision=None) [source]

Чтение файла с разделителем запятая (csv) в DataFrame.

Также поддерживает необязательное итеративное чтение или разделение файла на части.

Дополнительную помощь можно найти в онлайн-документации по инструментам ввода-вывода.

Параметры:

Параметры:	`filepath_or_buffer : str, path object, or file-like object` Любой допустимый путь к строке является приемлемым. Строка может быть URL. Допустимые схемы URL включают http, ftp, s3 и file. Для URL файлов ожидается хост. Локальный файл может быть: file://localhost/path/to/table.csv. Если вы хотите передать объект пути, pandas принимает либо `pathlib.Path` , либо `py._path.local.LocalPath`. Под объектом типа «подобный файлу» мы понимаем объекты с методом `read()`, например, обработчик файла (например, с помощью встроенной функции `open`) или `StringIO`. `sep : str, default ‘,’` Разделитель, который нужно использовать. Если sep равен None, движок C не может автоматически определить разделитель, но движок Python может, что означает, что последний будет использован и автоматически определит разделитель с помощью встроенного инструмента анализа Python, `csv.Sniffer`. Кроме того, разделители длиной более 1 символа и отличные от `'\s+'` будут интерпретироваться как регулярные выражения и также заставят использовать движок Python. Обратите внимание, что разделители регулярных выражений могут игнорировать данные в кавычках. Пример регулярного выражения: `'\r\t'`. `delimiter : str, default None` Псевдоним для sep. `header : int, list of int, default ‘infer’` Номер(а) строки для использования в качестве имен столбцов и начала данных. По умолчанию поведение заключается в выводе имен столбцов: если имена не передаются, поведение идентично `header=0`, а имена столбцов выводятся из первой строки файла, если имена столбцов явно передаются, тогда поведение идентично `header=None`. Явно передайте `header=0`, чтобы иметь возможность заменить существующие имена. Заголовок может быть списком целых чисел, которые указывают расположения строк для многоуровневого индекса столбцов, например, [0,1,3]. Промежуточные строки, которые не указаны, будут пропущены (например, 2 в данном примере пропущена). Обратите внимание, что этот параметр игнорирует комментированные строки и пустые строки, если `skip_blank_lines=True`, поэтому `header=0` обозначает первую строку данных, а не первую строку файла. `names : array-like, optional` Список имен столбцов для использования. Если файл не содержит строку заголовка, то вы должны явно передать `header=None`. Повторения в этом списке приведут к появлению `UserWarning`. `index_col : int, sequence or bool, optional` Столбец для использования в качестве меток строк DataFrame. Если задана последовательность, используется многоуровневый индекс. Если у вас есть повреждённый файл с разделителями в конце каждой строки, вы можете рассмотреть возможность использования `index_col=False` , чтобы заставить pandas не использовать первый столбец в качестве индекса (имен строк). `usecols : list-like or callable, optional` Возвращает подмножество столбцов. Если список, все элементы должны быть либо позиционными (т.е. целочисленными индексами в столбцы документа), либо строками, которые соответствуют именам столбцов, предоставленным либо пользователем в `names` , либо выведенными из строки(ок) заголовка документа. Например, допустимым списковым параметром `usecols` будет `[0, 1, 2]` или `['foo', 'bar', 'baz']`. Порядок элементов игнорируется, поэтому `usecols=[0, 1]` равно `[1, 0]`. Для создания DataFrame из `data` с сохранённым порядком 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 вызываемая функция, вызываемая функция будет оцениваться по отношению к именам столбцов, возвращая имена, где вызываемая функция оценивается как True. Примером допустимого вызываемого аргумента будет `lambda x: x.upper() in ['AAA', 'BBB', 'DDD']`. Использование этого параметра приводит к значительно более быстрому времени парсинга и меньшему использованию памяти. `squeeze : bool, default False` Если проанализированные данные содержат только один столбец, возвращается Series. `prefix : str, optional` Префикс, который нужно добавить к номерам столбцов, если нет заголовка, например, «X» для X0, X1 и т. д. `mangle_dupe_cols : bool, default True` Повторные столбцы будут указаны как «X», «X.1», …’X.N», а не «X»…’X’. Передача False приведет к перезаписи данных, если в столбцах есть повторяющиеся имена. `dtype : Type name or dict of column -> type, optional` Тип данных для данных или столбцов. Например, {‘a’: np.float64, ‘b’: np.int32, ‘c’: ‘Int64’}. Используйте `str` или `object` вместе с подходящими `na_values` параметрами для сохранения и не интерпретации типа данных. Если заданы конвертеры, они будут применены ВМЕСТО преобразования типа данных. `engine : {‘c’, ‘python’}, optional` Используемый движок парсера. Движок C быстрее, в то время как движок Python в настоящее время более функционален. `converters : dict, optional` Словарь функций для преобразования значений в определённых столбцах. Ключи могут быть целыми числами или метками столбцов. `true_values : list, optional` Значения, которые нужно рассматривать как True. `false_values : list, optional` Значения, которые нужно рассматривать как False. `skipinitialspace : bool, default False` Пропускать пробелы после разделителя. `skiprows : list-like, int or callable, optional` Номера строк для пропуска (индексирование с 0) или количество строк для пропуска (целое число) в начале файла. Если вызываемая функция, вызываемая функция будет оцениваться по отношению к индексам строк, возвращая True, если строка должна быть пропущена, и False в противном случае. Примером допустимого вызываемого аргумента будет `lambda x: x in [0, 2]`. `skipfooter : int, default 0` Количество строк в конце файла для пропуска (не поддерживается с engine = 'c'). `nrows : int, optional` Количество строк файла для чтения. Полезно для чтения фрагментов больших файлов. `na_values : scalar, str, list-like, or dict, optional` Дополнительные строки, которые нужно распознать как NA/NaN. Если передан словарь, то конкретные 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, default True` Включать или нет значения NaN по умолчанию при анализе данных. В зависимости от того, передан 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 анализа. Если `keep_default_na` равно True, и `na_values` не указаны, для анализа используются только значения NaN по умолчанию. Если `keep_default_na` равно False, и `na_values` указаны, для анализа используются только значения NaN, указанные `na_values`. Если `keep_default_na` равно False, и `na_values` не указаны, никакие строки не будут анализироваться как NaN. Обратите внимание, что если `na_filter` передан как False, параметры `keep_default_na` и `na_values` будут проигнорированы. `na_filter : bool, default True` Обнаруживать маркеры пропущенных значений (пустые строки и значения na_values). В данных без каких-либо пропусков передача na_filter=False может улучшить производительность чтения большого файла. `verbose : bool, default False` Указывает количество значений NA, размещённых в нечисловых столбцах. `skip_blank_lines : bool, default True` Если True, пропускать пустые строки вместо интерпретации как NaN. `parse_dates : bool or list of int or names or list of lists or dict, default False` Поведение следующее: булево. Если True -> попытаться проанализировать индекс. список целых чисел или имён. Например, если [1, 2, 3] -> попытаться проанализировать столбцы 1, 2, 3 каждый как отдельный столбец даты. список списков. Например, если [[1, 3]] -> объединить столбцы 1 и 3 и проанализировать как один столбец даты. словарь, например, {‘foo’ : [1, 3]} -> проанализировать столбцы 1, 3 как дату и назвать результат ‘foo’ Если столбец или индекс не могут быть представлены как массив дат, скажем, из-за нечитаемого значения или смешения часовых поясов, столбец или индекс будут возвращены без изменений как тип данных object. Для нестандартного анализа дат используйте `pd.to_datetime` после `pd.read_csv`. Для анализа индекса или столбца со смешением часовых поясов укажите `date_parser` как частично применённую функцию `pandas.to_datetime()` с `utc=True`. Дополнительную информацию см. в разделе Анализ CSV со смешением часовых поясов. Примечание: существует быстрый путь для дат в формате iso8601. `infer_datetime_format : bool, default False` Если True и `parse_dates` включено, pandas попытается определить формат строк даты и времени в столбцах и, если это возможно, переключится на более быстрый метод их анализа. В некоторых случаях это может увеличить скорость анализа в 5-10 раз. `keep_date_col : bool, default False` Если True и `parse_dates` определяет объединение нескольких столбцов, сохраняйте исходные столбцы. `date_parser : function, optional` Функция, которая используется для преобразования последовательности столбцов строк в массив экземпляров даты и времени. По умолчанию используется `dateutil.parser.parser` для выполнения преобразования. Pandas попытается вызвать `date_parser` тремя различными способами, переходя к следующему, если возникает исключение: 1) передать один или несколько массивов (как определено в `parse_dates` ) в качестве аргументов; 2) конкатенировать (по строкам) строковые значения из столбцов, определённых в `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 в `parse_dates` ), в качестве аргументов. `dayfirst : bool, default False` Даты в формате ДД/ММ, международный и европейский формат. `iterator : bool, default False` Возвращает объект TextFileReader для итерации или получения фрагментов с помощью `get_chunk()`. `chunksize : int, optional` 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}, default ‘infer’`

filepath_or_buffer : str, path object, or file-like object

Любой допустимый путь к строке является приемлемым. Строка может быть URL. Допустимые схемы URL включают http, ftp, s3 и file. Для URL файлов ожидается хост. Локальный файл может быть: file://localhost/path/to/table.csv.

Если вы хотите передать объект пути, pandas принимает либо pathlib.Path , либо py._path.local.LocalPath.

Под объектом типа «подобный файлу» мы понимаем объекты с методом read(), например, обработчик файла (например, с помощью встроенной функции open) или StringIO.

sep : str, default ‘,’

Разделитель, который нужно использовать. Если sep равен None, движок C не может автоматически определить разделитель, но движок Python может, что означает, что последний будет использован и автоматически определит разделитель с помощью встроенного инструмента анализа Python, csv.Sniffer. Кроме того, разделители длиной более 1 символа и отличные от '\s+' будут интерпретироваться как регулярные выражения и также заставят использовать движок Python. Обратите внимание, что разделители регулярных выражений могут игнорировать данные в кавычках. Пример регулярного выражения: '\r\t'.

delimiter : str, default None

Псевдоним для sep.

header : int, list of int, default ‘infer’

Номер(а) строки для использования в качестве имен столбцов и начала данных. По умолчанию поведение заключается в выводе имен столбцов: если имена не передаются, поведение идентично header=0, а имена столбцов выводятся из первой строки файла, если имена столбцов явно передаются, тогда поведение идентично header=None. Явно передайте header=0, чтобы иметь возможность заменить существующие имена. Заголовок может быть списком целых чисел, которые указывают расположения строк для многоуровневого индекса столбцов, например, [0,1,3]. Промежуточные строки, которые не указаны, будут пропущены (например, 2 в данном примере пропущена). Обратите внимание, что этот параметр игнорирует комментированные строки и пустые строки, если skip_blank_lines=True, поэтому header=0 обозначает первую строку данных, а не первую строку файла.

names : array-like, optional

Список имен столбцов для использования. Если файл не содержит строку заголовка, то вы должны явно передать header=None. Повторения в этом списке приведут к появлению UserWarning.

index_col : int, sequence or bool, optional

Столбец для использования в качестве меток строк DataFrame. Если задана последовательность, используется многоуровневый индекс. Если у вас есть повреждённый файл с разделителями в конце каждой строки, вы можете рассмотреть возможность использования index_col=False , чтобы заставить pandas не использовать первый столбец в качестве индекса (имен строк).

usecols : list-like or callable, optional

Возвращает подмножество столбцов. Если список, все элементы должны быть либо позиционными (т.е. целочисленными индексами в столбцы документа), либо строками, которые соответствуют именам столбцов, предоставленным либо пользователем в names , либо выведенными из строки(ок) заголовка документа. Например, допустимым списковым параметром usecols будет [0, 1, 2] или ['foo', 'bar', 'baz']. Порядок элементов игнорируется, поэтому usecols=[0, 1] равно [1, 0]. Для создания DataFrame из data с сохранённым порядком 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 вызываемая функция, вызываемая функция будет оцениваться по отношению к именам столбцов, возвращая имена, где вызываемая функция оценивается как True. Примером допустимого вызываемого аргумента будет lambda x: x.upper() in ['AAA', 'BBB', 'DDD']. Использование этого параметра приводит к значительно более быстрому времени парсинга и меньшему использованию памяти.

squeeze : bool, default False

Если проанализированные данные содержат только один столбец, возвращается Series.

prefix : str, optional

Префикс, который нужно добавить к номерам столбцов, если нет заголовка, например, «X» для X0, X1 и т. д.

mangle_dupe_cols : bool, default True

Повторные столбцы будут указаны как «X», «X.1», …’X.N», а не «X»…’X’. Передача False приведет к перезаписи данных, если в столбцах есть повторяющиеся имена.

dtype : Type name or dict of column -> type, optional

Тип данных для данных или столбцов. Например, {‘a’: np.float64, ‘b’: np.int32, ‘c’: ‘Int64’}. Используйте str или object вместе с подходящими na_values параметрами для сохранения и не интерпретации типа данных. Если заданы конвертеры, они будут применены ВМЕСТО преобразования типа данных.

engine : {‘c’, ‘python’}, optional

Используемый движок парсера. Движок C быстрее, в то время как движок Python в настоящее время более функционален.

converters : dict, optional

Словарь функций для преобразования значений в определённых столбцах. Ключи могут быть целыми числами или метками столбцов.

true_values : list, optional

Значения, которые нужно рассматривать как True.

false_values : list, optional

Значения, которые нужно рассматривать как False.

skipinitialspace : bool, default False

Пропускать пробелы после разделителя.

skiprows : list-like, int or callable, optional

Номера строк для пропуска (индексирование с 0) или количество строк для пропуска (целое число) в начале файла.

Если вызываемая функция, вызываемая функция будет оцениваться по отношению к индексам строк, возвращая True, если строка должна быть пропущена, и False в противном случае. Примером допустимого вызываемого аргумента будет lambda x: x in [0, 2].

skipfooter : int, default 0

Количество строк в конце файла для пропуска (не поддерживается с engine = 'c').

nrows : int, optional

Количество строк файла для чтения. Полезно для чтения фрагментов больших файлов.

na_values : scalar, str, list-like, or dict, optional

Дополнительные строки, которые нужно распознать как NA/NaN. Если передан словарь, то конкретные 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, default True

Включать или нет значения NaN по умолчанию при анализе данных. В зависимости от того, передан 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 анализа.
Если keep_default_na равно True, и na_values не указаны, для анализа используются только значения NaN по умолчанию.
Если keep_default_na равно False, и na_values указаны, для анализа используются только значения NaN, указанные na_values.
Если keep_default_na равно False, и na_values не указаны, никакие строки не будут анализироваться как NaN.

Обратите внимание, что если na_filter передан как False, параметры keep_default_na и na_values будут проигнорированы.

na_filter : bool, default True

Обнаруживать маркеры пропущенных значений (пустые строки и значения na_values). В данных без каких-либо пропусков передача na_filter=False может улучшить производительность чтения большого файла.

verbose : bool, default False

Указывает количество значений NA, размещённых в нечисловых столбцах.

skip_blank_lines : bool, default True

Если True, пропускать пустые строки вместо интерпретации как NaN.

parse_dates : bool or list of int or names or list of lists or dict, default False

Поведение следующее:

булево. Если True -> попытаться проанализировать индекс.
список целых чисел или имён. Например, если [1, 2, 3] -> попытаться проанализировать столбцы 1, 2, 3 каждый как отдельный столбец даты.
список списков. Например, если [[1, 3]] -> объединить столбцы 1 и 3 и проанализировать как один столбец даты.
словарь, например, {‘foo’ : [1, 3]} -> проанализировать столбцы 1, 3 как дату и назвать результат ‘foo’

Если столбец или индекс не могут быть представлены как массив дат, скажем, из-за нечитаемого значения или смешения часовых поясов, столбец или индекс будут возвращены без изменений как тип данных object. Для нестандартного анализа дат используйте pd.to_datetime после pd.read_csv. Для анализа индекса или столбца со смешением часовых поясов укажите date_parser как частично применённую функцию pandas.to_datetime() с utc=True. Дополнительную информацию см. в разделе Анализ CSV со смешением часовых поясов.

Примечание: существует быстрый путь для дат в формате iso8601.

infer_datetime_format : bool, default False

Если True и parse_dates включено, pandas попытается определить формат строк даты и времени в столбцах и, если это возможно, переключится на более быстрый метод их анализа. В некоторых случаях это может увеличить скорость анализа в 5-10 раз.

keep_date_col : bool, default False

Если True и parse_dates определяет объединение нескольких столбцов, сохраняйте исходные столбцы.

date_parser : function, optional

Функция, которая используется для преобразования последовательности столбцов строк в массив экземпляров даты и времени. По умолчанию используется dateutil.parser.parser для выполнения преобразования. Pandas попытается вызвать date_parser тремя различными способами, переходя к следующему, если возникает исключение: 1) передать один или несколько массивов (как определено в parse_dates ) в качестве аргументов; 2) конкатенировать (по строкам) строковые значения из столбцов, определённых в 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 в parse_dates ), в качестве аргументов.

dayfirst : bool, default False

Даты в формате ДД/ММ, международный и европейский формат.

iterator : bool, default False

Возвращает объект TextFileReader для итерации или получения фрагментов с помощью get_chunk().

chunksize : int, optional

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}, default ‘infer’

Для сжатия/распаковки данных на диске в режиме реального времени. Если ‘infer’ и `filepath_or_buffer` являются путём к файлу, то определить тип сжатия по следующим расширениям: ‘.gz’, ‘.bz2’, ‘.zip’, или ‘.xz’ (иначе сжатие не применяется). Если используется ‘zip’, то ZIP-файл должен содержать только один файл данных для чтения. Установите в None, чтобы отключить сжатие. Добавлено в версии 0.18.1: поддержка сжатия ‘zip’ и ‘xz’. `thousands : str, optional` Разделитель тысяч. `decimal : str, default ‘.’` Символ, распознаваемый как десятичная точка (например, используйте ‘,’ для европейских данных). `lineterminator : str (length 1), optional` Символ для разделения файла на строки. Действительно только с C-парсером. `quotechar : str (length 1), optional` Символ, используемый для обозначения начала и конца цитируемого элемента. Цитируемые элементы могут включать разделитель, который будет пропущен. `quoting : int or csv.QUOTE_* instance, default 0` Поведение цитирования полей в соответствии с константами `csv.QUOTE_*`. Используйте одну из QUOTE_MINIMAL (0), QUOTE_ALL (1), QUOTE_NONNUMERIC (2) или QUOTE_NONE (3). `doublequote : bool, default True` Если quotechar указан, а quoting не `QUOTE_NONE`, укажите, интерпретировать ли два последовательных quotechar внутри поля как один `quotechar` элемент. `escapechar : str (length 1), optional` Односимвольная строка, используемая для экранирования других символов. `comment : str, optional` Указывает, что остаток строки не должен обрабатываться. Если он обнаружен в начале строки, вся строка будет 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, optional` Кодировка UTF для чтения/записи (например, ‘utf-8’). Список стандартных кодировок Python. `dialect : str or csv.Dialect, optional` Если указан, 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. Подробнее см. документацию csv.Dialect. `tupleize_cols : bool, default False` Оставить список кортежей по столбцам как есть (по умолчанию преобразовать в MultiIndex по столбцам). Устарело начиная с версии 0.21.0: Этот аргумент будет удален и всегда будет преобразовывать в MultiIndex `error_bad_lines : bool, default True` Строки с слишком большим количеством полей (например, строка csv с слишком многими запятыми) по умолчанию вызовут исключение и DataFrame не будет возвращен. Если False, то эти «плохие строки» будут удалены из возвращаемого DataFrame. `warn_bad_lines : bool, default True` Если error_bad_lines = False, и warn_bad_lines = True, будет выводиться предупреждение для каждой «плохой строки». `delim_whitespace : bool, default False` Указывает, будет ли пробел (например, `' '` или `' '`) использоваться как sep. Эквивалентно установке `sep='\s+'`. Если этот параметр установлен в True, для параметра `delimiter` ничего не должно быть передано. Добавлено в версии 0.18.1: поддержка Python парсера. `low_memory : bool, default True` Внутренняя обработка файла частями, что приводит к меньшему потреблению памяти при парсинге, но, возможно, смешанному выводу типов. Для предотвращения смешанных типов установите False или укажите тип с помощью параметра `dtype`. Обратите внимание, что весь файл читается в один DataFrame независимо, используйте параметр `chunksize` или `iterator` для возврата данных частями. (Действительно только с C парсером). `memory_map : bool, default False` Если для `filepath_or_buffer` предоставлен путь к файлу, то файл напрямую отображается в памяти и данные извлекаются оттуда. Это может повысить производительность, так как нет накладных расходов на ввод-вывод. `float_precision : str, optional` Указывает, какой конвертер C-движка должен использоваться для чисел с плавающей точкой. Доступные варианты: `None` для обычного конвертера, `high` для конвертера высокой точности и `round_trip` для конвертера обратной совместимости.
Возвращаемое значение:	DataFrame или TextParser Файл с разделителями (csv) возвращается как двумерная структура данных с именованными осями.

Для сжатия/распаковки данных на диске в режиме реального времени. Если ‘infer’ и filepath_or_buffer являются путём к файлу, то определить тип сжатия по следующим расширениям: ‘.gz’, ‘.bz2’, ‘.zip’, или ‘.xz’ (иначе сжатие не применяется). Если используется ‘zip’, то ZIP-файл должен содержать только один файл данных для чтения. Установите в None, чтобы отключить сжатие.

Добавлено в версии 0.18.1: поддержка сжатия ‘zip’ и ‘xz’.
thousands : str, optional: Разделитель тысяч.
decimal : str, default ‘.’: Символ, распознаваемый как десятичная точка (например, используйте ‘,’ для европейских данных).
lineterminator : str (length 1), optional: Символ для разделения файла на строки. Действительно только с C-парсером.
quotechar : str (length 1), optional: Символ, используемый для обозначения начала и конца цитируемого элемента. Цитируемые элементы могут включать разделитель, который будет пропущен.
quoting : int or csv.QUOTE_* instance, default 0: Поведение цитирования полей в соответствии с константами csv.QUOTE_*. Используйте одну из QUOTE_MINIMAL (0), QUOTE_ALL (1), QUOTE_NONNUMERIC (2) или QUOTE_NONE (3).
doublequote : bool, default True: Если quotechar указан, а quoting не QUOTE_NONE, укажите, интерпретировать ли два последовательных quotechar внутри поля как один quotechar элемент.
escapechar : str (length 1), optional: Односимвольная строка, используемая для экранирования других символов.
comment : str, optional: Указывает, что остаток строки не должен обрабатываться. Если он обнаружен в начале строки, вся строка будет 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, optional: Кодировка UTF для чтения/записи (например, ‘utf-8’). Список стандартных кодировок Python.
dialect : str or csv.Dialect, optional: Если указан, 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. Подробнее см. документацию csv.Dialect.
tupleize_cols : bool, default False: Оставить список кортежей по столбцам как есть (по умолчанию преобразовать в MultiIndex по столбцам).

Устарело начиная с версии 0.21.0: Этот аргумент будет удален и всегда будет преобразовывать в MultiIndex
error_bad_lines : bool, default True: Строки с слишком большим количеством полей (например, строка csv с слишком многими запятыми) по умолчанию вызовут исключение и DataFrame не будет возвращен. Если False, то эти «плохие строки» будут удалены из возвращаемого DataFrame.
warn_bad_lines : bool, default True: Если error_bad_lines = False, и warn_bad_lines = True, будет выводиться предупреждение для каждой «плохой строки».
delim_whitespace : bool, default False: Указывает, будет ли пробел (например, ' ' или ' ') использоваться как sep. Эквивалентно установке sep='\s+'. Если этот параметр установлен в True, для параметра delimiter ничего не должно быть передано.

Добавлено в версии 0.18.1: поддержка Python парсера.
low_memory : bool, default True: Внутренняя обработка файла частями, что приводит к меньшему потреблению памяти при парсинге, но, возможно, смешанному выводу типов. Для предотвращения смешанных типов установите False или укажите тип с помощью параметра dtype. Обратите внимание, что весь файл читается в один DataFrame независимо, используйте параметр chunksize или iterator для возврата данных частями. (Действительно только с C парсером).
memory_map : bool, default False: Если для filepath_or_buffer предоставлен путь к файлу, то файл напрямую отображается в памяти и данные извлекаются оттуда. Это может повысить производительность, так как нет накладных расходов на ввод-вывод.
float_precision : str, optional: Указывает, какой конвертер C-движка должен использоваться для чисел с плавающей точкой. Доступные варианты: None для обычного конвертера, high для конвертера высокой точности и round_trip для конвертера обратной совместимости.

Возвращаемое значение:

DataFrame или TextParser: Файл с разделителями (csv) возвращается как двумерная структура данных с именованными осями.

См. также

to_csv: Запись DataFrame в файл с разделителями (csv).
read_csv: Чтение файла с разделителями (csv) в DataFrame.
read_fwf: Чтение таблицы с фиксированной шириной строк в DataFrame.

Примеры

>>> pd.read_csv('data.csv')  # doctest: +SKIP

© 2008–2012, AQR Capital Management, LLC, Lambda Foundry, Inc. and PyData Development Team
Licensed under the 3-clause BSD License.
https://pandas.pydata.org/pandas-docs/version/0.24.2/reference/api/pandas.read_csv.html