pandas.read_table

pandas.read_table(filepath_or_buffer, sep=False, 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 общего разделительного файла в DataFrame.

Устарело начиная с версии 0.24.0.

Используйте pandas.read_csv() вместо этого, передавая sep='\t' при необходимости.

Также поддерживает необязательное итеративное чтение или разбиение файла на куски.

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 файлу в виде строки приемлем. Строка может быть URL. Допустимые схемы URL включают http, ftp, s3 и file. Для URL-адресов 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-подобным файлу мы понимаем объекты с методом `read()`, например, обработчик файла (например, с помощью встроенной функции `open` ) или `StringIO`. `sep : str, default ‘\t’ (tab-stop)` Разделитель для использования. Если sep равен None, движок C не может автоматически обнаружить разделитель, но движок парсинга Python может, что означает, что последний будет использован и автоматически обнаружит 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 движок парсинга Python. Обратите внимание, что разделители регулярных выражений могут игнорировать цитированные данные. Пример регулярного выражения: `'\r\t'`. `delimiter : str, default None` Псевдоним для sep. `header : int, list of int, default ‘infer’` Номер(а) строки(ок) для использования в качестве имён столбцов и начала данных. По умолчанию имена столбцов выводятся: если имена не переданы, поведение идентично `header=0`, и имена столбцов выводятся из первой строки файла, если имена столбцов явно переданы, то поведение идентично `header=None`. Явно передайте `header=0`, чтобы заменить существующие имена. Заголовок может быть списком целых чисел, указывающих позиции строк для многоиндексного столбца, 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 : array-like, optional` Список имён столбцов для использования. Если файл не содержит строку заголовка, то вы должны явно передать `header=None`. Повторные значения в этом списке приведут к выдаче `UserWarning`. `index_col : int, sequence or bool, optional` Столбец для использования в качестве меток строк DataFrame. Если указана последовательность, используется MultiIndex. Если у вас есть повреждённый файл с разделителями в конце каждой строки, вы можете рассмотреть возможность `index_col=False` , чтобы заставить pandas не использовать первый столбец в качестве индекса (имён строк). `usecols : list-like or callable, optional` Возвращает подмножество столбцов. Если это список, все элементы должны быть либо позиционными (т. е. целочисленными индексами в столбцах документа), либо строками, соответствующими именам столбцов, предоставленным пользователем в `names` или выведенными из строки(ок) заголовка документа. Например, допустимым списком-подобным параметром `usecols` будет `[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 это вызываемая функция, вызываемая функция будет оцениваться по отношению к именам столбцов, возвращая имена, где вызываемая функция принимает значение 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, добавляемый к номерам столбцов при отсутствии заголовка, например, «X» для X0, X1, … `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 при наличии дублирующихся имён столбцов. `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 настройками `na_values` , чтобы сохранить и не интерпретировать тип данных. Если конвертеры указаны, они будут применяться 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 следует считать True. `false_values : list, optional` Значения, которые следует считать False. `skipinitialspace : bool, default False` Пропуск пробелов 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 это 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 внизу файла, которые нужно пропустить (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 для распознавания как NA/NaN. Если передан словарь, специфичные для столбцов значения NA. 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 разборе данных. В зависимости от того, передан 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 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 анализироваться как NaN. Обратите внимание, что если `na_filter` передаётся как False, параметры `keep_default_na` и `na_values` будут игнорироваться. `na_filter : bool, default True` Обнаружение маркеров отсутствующих значений (пустых строк и значения na_values). В данных без каких-либо значений NA 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, а не интерпретировать как значения NaN. `parse_dates : bool or list of int or names or list of lists or dict, default False` Поведение следующее: boolean. Если True -> попытка разбора индекса. список из int или имён. Например, Если [1, 2, 3] -> попытка разбора столбцов 1, 2, 3 каждого как отдельного столбца даты. список списков. Например, Если [[1, 3]] -> объединение столбцов 1 и 3 и разбор как одного столбца даты. словарь, например, {‘foo’ : [1, 3]} -> разбор столбцов 1, 3 как даты и присвоение результата имени ‘foo’ Если столбец или индекс не может быть представлен как массив дат, например, из-за неразборчивого значения или смешения часовых поясов, столбец или индекс будет возвращён без изменений как тип данных object. Для нестандартного разбора дат используйте `pd.to_datetime` после `pd.read_csv` . Для разбора индекса или столбца со смешением часовых поясов укажите `date_parser` в качестве частично применённой функции `pandas.to_datetime()` с `utc=True`. См. Разбор CSV со смешанными часовыми поясами для получения дополнительной информации. 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 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 : bool, default False` Если True и `parse_dates` определяет объединение нескольких столбцов, сохраняются исходные столбцы. `date_parser : function, optional` 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 разными способами, переходя к следующему, если возникнет исключение: 1) Передать один или несколько массивов (как определено в `parse_dates`) в качестве аргументов; 2) конкатенировать (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 (соответствующих столбцам, определённым `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 `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 файлу в виде строки приемлем. Строка может быть URL. Допустимые схемы URL включают http, ftp, s3 и file. Для URL-адресов 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-подобным файлу мы понимаем объекты с методом read(), например, обработчик файла (например, с помощью встроенной функции open ) или StringIO.

sep : str, default ‘\t’ (tab-stop)

Разделитель для использования. Если sep равен None, движок C не может автоматически обнаружить разделитель, но движок парсинга Python может, что означает, что последний будет использован и автоматически обнаружит 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 движок парсинга Python. Обратите внимание, что разделители регулярных выражений могут игнорировать цитированные данные. Пример регулярного выражения: '\r\t'.

delimiter : str, default None

Псевдоним для sep.

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

Номер(а) строки(ок) для использования в качестве имён столбцов и начала данных. По умолчанию имена столбцов выводятся: если имена не переданы, поведение идентично header=0, и имена столбцов выводятся из первой строки файла, если имена столбцов явно переданы, то поведение идентично header=None. Явно передайте header=0, чтобы заменить существующие имена. Заголовок может быть списком целых чисел, указывающих позиции строк для многоиндексного столбца, 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 : array-like, optional

Список имён столбцов для использования. Если файл не содержит строку заголовка, то вы должны явно передать header=None. Повторные значения в этом списке приведут к выдаче UserWarning.

index_col : int, sequence or bool, optional

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

usecols : list-like or callable, optional

Возвращает подмножество столбцов. Если это список, все элементы должны быть либо позиционными (т. е. целочисленными индексами в столбцах документа), либо строками, соответствующими именам столбцов, предоставленным пользователем в names или выведенными из строки(ок) заголовка документа. Например, допустимым списком-подобным параметром usecols будет [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 это вызываемая функция, вызываемая функция будет оцениваться по отношению к именам столбцов, возвращая имена, где вызываемая функция принимает значение 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, добавляемый к номерам столбцов при отсутствии заголовка, например, «X» для X0, X1, …

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 при наличии дублирующихся имён столбцов.

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 настройками na_values , чтобы сохранить и не интерпретировать тип данных. Если конвертеры указаны, они будут применяться 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 следует считать True.

false_values : list, optional

Значения, которые следует считать False.

skipinitialspace : bool, default False

Пропуск пробелов 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 это 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 внизу файла, которые нужно пропустить (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 для распознавания как NA/NaN. Если передан словарь, специфичные для столбцов значения NA. 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 разборе данных. В зависимости от того, передан 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 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 анализироваться как NaN.

Обратите внимание, что если na_filter передаётся как False, параметры keep_default_na и na_values будут игнорироваться.

na_filter : bool, default True

Обнаружение маркеров отсутствующих значений (пустых строк и значения na_values). В данных без каких-либо значений NA 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, а не интерпретировать как значения NaN.

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

Поведение следующее:

boolean. Если True -> попытка разбора индекса.
список из int или имён. Например, Если [1, 2, 3] -> попытка разбора столбцов 1, 2, 3 каждого как отдельного столбца даты.
список списков. Например, Если [[1, 3]] -> объединение столбцов 1 и 3 и разбор как одного столбца даты.
словарь, например, {‘foo’ : [1, 3]} -> разбор столбцов 1, 3 как даты и присвоение результата имени ‘foo’

Если столбец или индекс не может быть представлен как массив дат, например, из-за неразборчивого значения или смешения часовых поясов, столбец или индекс будет возвращён без изменений как тип данных object. Для нестандартного разбора дат используйте pd.to_datetime после pd.read_csv . Для разбора индекса или столбца со смешением часовых поясов укажите date_parser в качестве частично применённой функции pandas.to_datetime() с utc=True. См. Разбор CSV со смешанными часовыми поясами для получения дополнительной информации.

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 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 : bool, default False

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

date_parser : function, optional

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 разными способами, переходя к следующему, если возникнет исключение: 1) Передать один или несколько массивов (как определено в parse_dates) в качестве аргументов; 2) конкатенировать (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 (соответствующих столбцам, определённым 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 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 и распаковки данных на диске. Если ‘infer’ и `filepath_or_buffer` — это путь к файлу, то определяется тип сжатия по следующим расширениям: ‘.gz’, ‘.bz2’, ‘.zip’ или ‘.xz’ (иначе сжатие не применяется). Если используется ‘zip’, то ZIP-архив должен содержать только один файл данных для чтения. Установите в значение None, чтобы отключить сжатие. Добавлено в версии 0.18.1: поддержка сжатия ‘zip’ и ‘xz’. `thousands : str, optional` Разделитель тысяч. `decimal : str, default ‘.’` Символ, определяющий десятичную точку (например, используйте ‘,’ для европейских данных). `lineterminator : str (length 1), optional` Символ для разделения файла на строки. Действителен только для парсера C. `quotechar : str (length 1), optional` Символ, используемый для обозначения начала и конца цитируемого элемента. Цитируемые элементы могут включать разделитель, и он будет пропущен. `quoting : int or csv.QUOTE_* instance, default 0` Настройка цитирования полей по `csv.QUOTE_*` константам. Используйте QUOTE_MINIMAL (0), QUOTE_ALL (1), QUOTE_NONNUMERIC (2) или QUOTE_NONE (3). `doublequote : bool, default True` Когда quotechar указан, а quoting не `QUOTE_NONE`, указывает, следует ли интерпретировать два последовательных символа quotechar ВНУТРИ поля как один `quotechar` элемент. `escapechar : str (length 1), optional` Односимвольная строка, используемая для экранирования других символов. `comment : str, optional` Указывает, что остальная часть строки не должна анализироваться. Если он находится в начале строки, строка игнорируется полностью. Этот параметр должен быть одиночным символом. Как и пустые строки (пока `skip_blank_lines=True`), полностью комментируемые 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 обрабатываться 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`. При необходимости переопределения значений будет выведено предупреждение ParserWarning. Смотрите документацию csv.Dialect для получения более подробной информации. `tupleize_cols : bool, default False` Оставить список кортежей по столбцам как есть (по умолчанию преобразуется 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 со 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 равно False, а warn_bad_lines равно True, будет выведено предупреждение для каждой «плохой строки». `delim_whitespace : bool, default False` Указывает, будут ли пробелы (например, `' '` или `' '`) использоваться в качестве sep. Эквивалентно установке `sep='\s+'`. Если этот параметр установлен в True, то для параметра `delimiter` ничего не должно передаваться. Добавлено в версии 0.18.1: поддержка парсера Python. `low_memory : bool, default True` Внутренняя обработка файла частями, что приводит к меньшему использованию памяти при анализе, но, возможно, к смешанному выводу типа. Для предотвращения смешанных типов либо установите False, либо укажите тип с помощью параметра `dtype`. Обратите внимание, что весь файл считывается в один DataFrame независимо, используйте параметр `chunksize` или `iterator` для возврата данных частями. (Только для парсера C). `memory_map : bool, default False` Если для `filepath_or_buffer` предоставлен путь к файлу, файл-объект отображается непосредственно в памяти, и данные из него считываются напрямую. Использование этого параметра может повысить производительность, поскольку больше нет накладных расходов на ввод-вывод. `float_precision : str, optional` Указывает, какой преобразователь C-движка должен использоваться для чисел с плавающей точкой. Опции: `None` для обычного преобразователя, `high` для преобразователя высокой точности и `round_trip` для преобразователя с обратным переводом.
Возвращает:	DataFrame или TextParser Файл с разделителями (csv) возвращается как двумерная структура данных с именованными осями.

Для сжатия и распаковки данных на диске. Если ‘infer’ и filepath_or_buffer — это путь к файлу, то определяется тип сжатия по следующим расширениям: ‘.gz’, ‘.bz2’, ‘.zip’ или ‘.xz’ (иначе сжатие не применяется). Если используется ‘zip’, то ZIP-архив должен содержать только один файл данных для чтения. Установите в значение None, чтобы отключить сжатие.

Добавлено в версии 0.18.1: поддержка сжатия ‘zip’ и ‘xz’.
thousands : str, optional: Разделитель тысяч.
decimal : str, default ‘.’: Символ, определяющий десятичную точку (например, используйте ‘,’ для европейских данных).
lineterminator : str (length 1), optional: Символ для разделения файла на строки. Действителен только для парсера C.
quotechar : str (length 1), optional: Символ, используемый для обозначения начала и конца цитируемого элемента. Цитируемые элементы могут включать разделитель, и он будет пропущен.
quoting : int or csv.QUOTE_* instance, default 0: Настройка цитирования полей по csv.QUOTE_* константам. Используйте QUOTE_MINIMAL (0), QUOTE_ALL (1), QUOTE_NONNUMERIC (2) или QUOTE_NONE (3).
doublequote : bool, default True: Когда quotechar указан, а quoting не QUOTE_NONE, указывает, следует ли интерпретировать два последовательных символа quotechar ВНУТРИ поля как один quotechar элемент.
escapechar : str (length 1), optional: Односимвольная строка, используемая для экранирования других символов.
comment : str, optional: Указывает, что остальная часть строки не должна анализироваться. Если он находится в начале строки, строка игнорируется полностью. Этот параметр должен быть одиночным символом. Как и пустые строки (пока skip_blank_lines=True), полностью комментируемые 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 обрабатываться 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. При необходимости переопределения значений будет выведено предупреждение ParserWarning. Смотрите документацию csv.Dialect для получения более подробной информации.
tupleize_cols : bool, default False: Оставить список кортежей по столбцам как есть (по умолчанию преобразуется 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 со 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 равно False, а warn_bad_lines равно True, будет выведено предупреждение для каждой «плохой строки».
delim_whitespace : bool, default False: Указывает, будут ли пробелы (например, ' ' или ' ') использоваться в качестве sep. Эквивалентно установке sep='\s+'. Если этот параметр установлен в True, то для параметра delimiter ничего не должно передаваться.

Добавлено в версии 0.18.1: поддержка парсера Python.
low_memory : bool, default True: Внутренняя обработка файла частями, что приводит к меньшему использованию памяти при анализе, но, возможно, к смешанному выводу типа. Для предотвращения смешанных типов либо установите False, либо укажите тип с помощью параметра dtype. Обратите внимание, что весь файл считывается в один DataFrame независимо, используйте параметр chunksize или iterator для возврата данных частями. (Только для парсера C).
memory_map : bool, default False: Если для filepath_or_buffer предоставлен путь к файлу, файл-объект отображается непосредственно в памяти, и данные из него считываются напрямую. Использование этого параметра может повысить производительность, поскольку больше нет накладных расходов на ввод-вывод.
float_precision : str, optional: Указывает, какой преобразователь C-движка должен использоваться для чисел с плавающей точкой. Опции: None для обычного преобразователя, high для преобразователя высокой точности и round_trip для преобразователя с обратным переводом.

Возвращает:

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_table('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_table.html