pandas.read_csv

pandas.read_csv(filepath_or_buffer: Union[str, pathlib.Path, IO[~AnyStr]], 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, cache_dates=True, 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, 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 разбивку 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 строке 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 любой `os.PathLike`. Под объектом типа «подобный файлу» мы подразумеваем объекты с методом `read()`, например, обработчик файла (например, с помощью встроенной функции `open` ) или `StringIO`. `sep : str, default ‘,’` Разделитель, используемый для разделения данных. Если sep равно None, движок C не может автоматически определить разделитель, но движок Python может, поэтому будет использоваться последний, автоматически определяя разделитель с помощью встроенного инструмента анализа pandas, `csv.Sniffer`. Кроме того, разделители длиной более 1 символа и отличные от `'\s+'` будут интерпретироваться как регулярные выражения и также будут принудительно 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(ок), используемый(ые) в качестве имен 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 иметь возможность заменить существующие имена. Заголовок может быть списком целых чисел, которые указывают расположение 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 строки с комментариями 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 строки заголовка, вы должны явно передать `header=None`. Дубликаты в этом списке не допускаются. `index_col : int, str, sequence of int / str, or False, default None` Столбец(цы) для использования в качестве меток строк `DataFrame`, заданный либо именем строки, либо индексом столбца. Если задана последовательность int / str, используется многоуровневый индекс. Примечание: `index_col=False` может использоваться для принудительного отказа pandas от использования первого столбца в качестве индекса, например, при наличии некорректного файла с разделителями в конце каждой строки. `usecols : list-like or callable, optional` Возвращает подмножество столбцов. Если задан список, все элементы должны быть позиционными (т.е. целочисленными индексами в столбцы документа) или строками, соответствующими именам столбцов, предоставленными пользователем в `names` или выведенными из строки(ок) заголовка документа. Например, допустимым списковым параметром `usecols` был бы `[0, 1, 2]` или `['foo', 'bar', 'baz']`. Порядок элементов игнорируется, поэтому `usecols=[0, 1]` равносильно `[1, 0]`. Для создания 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 вызываемый объект, вызываемая функция будет оцениваться по отношению к именам столбцов, возвращая имена, где вызываемая функция оценивается как True. Примером допустимого вызываемого аргумента является `lambda x: x.upper() in ['AAA', 'BBB', 'DDD']`. Использование этого параметра приводит к значительно более быстрому времени обработки 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` Дубликаты столбцов 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 : 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 соответствующими `na_values` параметрами для сохранения и предотвращения интерпретации типа dtype. Если указаны преобразователи, они будут применяться ВМЕСТО преобразования типа dtype. `engine : {‘c’, ‘python’}, optional` Движок анализа, используемый для разбора данных. Движок C быстрее, но движок Python в настоящее время более функционально завершен. `converters : dict, optional` Словарь функций для преобразования значений в определённых столбцах. Ключи могут быть либо целыми числами, либо метками столбцов. `true_values : list, optional` Значения, которые следует рассматривать как True. `false_values : list, optional` Значения, которые следует рассматривать как 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 (int) в начале файла. Если это вызываемый объект, 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 является `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, распознаваемые как NA/NaN. Если передан словарь, специфичные 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 разборе данных. В зависимости от того, что передано в `na_values`, поведение следующее: Если `keep_default_na` равно True, и `na_values` заданы, `na_values` добавляется к значениям NaN по умолчанию, используемым для разбора. Если `keep_default_na` равно True, и `na_values` не заданы, для разбора используются только значения NaN по умолчанию. Если `keep_default_na` равно False, и `na_values` заданы, для разбора используются только заданные значения NaN `na_values`. Если `keep_default_na` равно False, и `na_values` не заданы, никакие строки не будут разбираться как NaN. Обратите внимание, что если `na_filter` передано как False, параметры `keep_default_na` и `na_values` будут проигнорированы. `na_filter : bool, default True` Обнаружение маркеров отсутствующих значений (пустые строки и значения na_values). При разборе данных без каких-либо NA, передача na_filter=False может улучшить производительность чтения большого файла. `verbose : bool, default False` Указывает количество значений NA, помещенных в нечисленные столбцы. `skip_blank_lines : bool, default True` Если True, пропускать пустые строки вместо интерпретации как значений NaN. `parse_dates : bool or list of int or names or list of lists or dict, default False` Поведение таково: boolean. Если True -> попытка разбора индекса. список int или имен. Например, если [1, 2, 3] -> попытка разбора столбцов 1, 2, 3 в качестве отдельных столбцов дат. список списков. Например, если [[1, 3]] -> объединение столбцов 1 и 3 и разбор в качестве одного столбца дат. словарь, например, {‘foo’ : [1, 3]} -> разбор столбцов 1, 3 как дат и присвоение результата имени ‘foo’ Если столбец или индекс не может быть представлен как массив дат, например, из-за неразбираемого значения или смеси часовых поясов, столбец или индекс будет возвращен неизменённым как тип данных object. Для нестандартного разбора дат используйте `pd.to_datetime` после `pd.read_csv`. Для разбора индекса или столбца со смешанными часовыми поясами задайте `date_parser` как частично применённую функцию `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, используемая 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) 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 : bool, default False` Даты в формате ДД/ММ, международный и европейский формат. `cache_dates : boolean, default True` Если True, использовать кэш уникальных преобразованных дат для применения преобразования даты. Может значительно ускорить процесс разбора, когда встречаются повторяющиеся строки дат, особенно с смещениями часовых поясов. Добавлена в версии 0.25.0. `iterator : bool, default False` Возвращает объект TextFileReader для итерации или получения фрагментов с помощью `get_chunk()`. `chunksize : int, optional`

filepath_or_buffer : str, path object or file-like object

Любой допустимый путь к строке 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 любой os.PathLike.

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

sep : str, default ‘,’

Разделитель, используемый для разделения данных. Если sep равно None, движок C не может автоматически определить разделитель, но движок Python может, поэтому будет использоваться последний, автоматически определяя разделитель с помощью встроенного инструмента анализа pandas, csv.Sniffer. Кроме того, разделители длиной более 1 символа и отличные от '\s+' будут интерпретироваться как регулярные выражения и также будут принудительно 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(ок), используемый(ые) в качестве имен 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 иметь возможность заменить существующие имена. Заголовок может быть списком целых чисел, которые указывают расположение 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 строки с комментариями 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 строки заголовка, вы должны явно передать header=None. Дубликаты в этом списке не допускаются.

index_col : int, str, sequence of int / str, or False, default None

Столбец(цы) для использования в качестве меток строк DataFrame, заданный либо именем строки, либо индексом столбца. Если задана последовательность int / str, используется многоуровневый индекс.

Примечание: index_col=False может использоваться для принудительного отказа pandas от использования первого столбца в качестве индекса, например, при наличии некорректного файла с разделителями в конце каждой строки.

usecols : list-like or callable, optional

Возвращает подмножество столбцов. Если задан список, все элементы должны быть позиционными (т.е. целочисленными индексами в столбцы документа) или строками, соответствующими именам столбцов, предоставленными пользователем в names или выведенными из строки(ок) заголовка документа. Например, допустимым списковым параметром usecols был бы [0, 1, 2] или ['foo', 'bar', 'baz']. Порядок элементов игнорируется, поэтому usecols=[0, 1] равносильно [1, 0]. Для создания 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 вызываемый объект, вызываемая функция будет оцениваться по отношению к именам столбцов, возвращая имена, где вызываемая функция оценивается как True. Примером допустимого вызываемого аргумента является lambda x: x.upper() in ['AAA', 'BBB', 'DDD']. Использование этого параметра приводит к значительно более быстрому времени обработки 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

Дубликаты столбцов 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 : 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 соответствующими na_values параметрами для сохранения и предотвращения интерпретации типа dtype. Если указаны преобразователи, они будут применяться ВМЕСТО преобразования типа dtype.

engine : {‘c’, ‘python’}, optional

Движок анализа, используемый для разбора данных. Движок C быстрее, но движок Python в настоящее время более функционально завершен.

converters : dict, optional

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

true_values : list, optional

Значения, которые следует рассматривать как True.

false_values : list, optional

Значения, которые следует рассматривать как 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 (int) в начале файла.

Если это вызываемый объект, 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 является 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, распознаваемые как NA/NaN. Если передан словарь, специфичные 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 разборе данных. В зависимости от того, что передано в na_values, поведение следующее:

Если keep_default_na равно True, и na_values заданы, na_values добавляется к значениям NaN по умолчанию, используемым для разбора.
Если keep_default_na равно True, и na_values не заданы, для разбора используются только значения NaN по умолчанию.
Если keep_default_na равно False, и na_values заданы, для разбора используются только заданные значения NaN na_values.
Если keep_default_na равно False, и na_values не заданы, никакие строки не будут разбираться как NaN.

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

na_filter : bool, default True

Обнаружение маркеров отсутствующих значений (пустые строки и значения na_values). При разборе данных без каких-либо NA, передача na_filter=False может улучшить производительность чтения большого файла.

verbose : bool, default False

Указывает количество значений NA, помещенных в нечисленные столбцы.

skip_blank_lines : bool, default True

Если True, пропускать пустые строки вместо интерпретации как значений NaN.

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

Поведение таково:

boolean. Если True -> попытка разбора индекса.
список int или имен. Например, если [1, 2, 3] -> попытка разбора столбцов 1, 2, 3 в качестве отдельных столбцов дат.
список списков. Например, если [[1, 3]] -> объединение столбцов 1 и 3 и разбор в качестве одного столбца дат.
словарь, например, {‘foo’ : [1, 3]} -> разбор столбцов 1, 3 как дат и присвоение результата имени ‘foo’

Если столбец или индекс не может быть представлен как массив дат, например, из-за неразбираемого значения или смеси часовых поясов, столбец или индекс будет возвращен неизменённым как тип данных object. Для нестандартного разбора дат используйте pd.to_datetime после pd.read_csv. Для разбора индекса или столбца со смешанными часовыми поясами задайте date_parser как частично применённую функцию 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, используемая 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) 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 : bool, default False

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

cache_dates : boolean, default True

Если True, использовать кэш уникальных преобразованных дат для применения преобразования даты. Может значительно ускорить процесс разбора, когда встречаются повторяющиеся строки дат, особенно с смещениями часовых поясов.

Добавлена в версии 0.25.0.

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 на лету данных на диске. Если ‘infer’ и `filepath_or_buffer` являются путями, то обнаруживает сжатие по следующим расширениям: ‘.gz’, ‘.bz2’, ‘.zip’ или ‘.xz’ (иначе сжатие не выполняется). Если используется ‘zip’, то ZIP-архив должен содержать только один файл данных для чтения. Установите значение None для отключения сжатия. Введено 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. 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 игнорироваться. `quoting : int or csv.QUOTE_* instance, default 0` Управление цитированием полей по `csv.QUOTE_*` константам. Используйте одно из значений QUOTE_MINIMAL (0), QUOTE_ALL (1), QUOTE_NONNUMERIC (2) или QUOTE_NONE (3). `doublequote : bool, default True` Когда quotechar задан, 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 остаток строки не должен быть проанализирован. Если он встречается в начале строки, строка будет полностью проигнорирована. Этот параметр должен быть одиночным символом. Как и пустые строки (пока `skip_blank_lines=True`), полностью прокомментированные 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, используемая для чтения/записи (например, ‘utf-8’). Список стандартных кодировок Python. `dialect : str or csv.Dialect, optional` Если задан, 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. Дополнительные сведения см. в документации по csv.Dialect. `error_bad_lines : bool, default True` Строки с чрезмерным количеством полей (например, строка csv с чрезмерным количеством запятых) по умолчанию вызывают исключение, и DataFrame не возвращается. Если False, эти «плохие строки» будут исключены из возвращаемого DataFrame. `warn_bad_lines : bool, default True` Если error_bad_lines = False, а warn_bad_lines = True, для каждой «плохой строки» будет выведено предупреждение. `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, для параметра `delimiter` ничего не должно передаваться. Введено в версии 0.18.1: поддержка парсера Python. `low_memory : bool, default True` Внутренняя обработка файла частями, что приводит к меньшему использованию памяти при парсинге, но, возможно, к смешанному определению типов. Чтобы гарантировать отсутствие смешанных типов, установите False или укажите тип с параметром `dtype`. Обратите внимание, что весь файл считывается в единый DataFrame, независимо от этого. Используйте параметр `chunksize` или `iterator` для возврата данных частями. (Действительно только для парсера C). `memory_map : bool, default False` Если для `filepath_or_buffer` предоставлен путь к файлу, сопоставьте объект файла непосредственно с памятью и получите доступ к данным непосредственно из нее. Использование этого параметра может повысить производительность, так как больше нет накладных расходов на ввод-вывод. `float_precision : str, optional` Указывает, какой конвертер C-движка следует использовать для значений с плавающей точкой. Варианты: `None` для обычного конвертера, `high` для конвертера высокой точности и `round_trip` для конвертера обратного преобразования.
Возвращает:	DataFrame или TextParser Файл с разделителями запятыми (csv) возвращается как двумерная структура данных с метками осей.

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 на лету данных на диске. Если ‘infer’ и filepath_or_buffer являются путями, то обнаруживает сжатие по следующим расширениям: ‘.gz’, ‘.bz2’, ‘.zip’ или ‘.xz’ (иначе сжатие не выполняется). Если используется ‘zip’, то ZIP-архив должен содержать только один файл данных для чтения. Установите значение None для отключения сжатия.

Введено 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. 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 игнорироваться.
quoting : int or csv.QUOTE_* instance, default 0: Управление цитированием полей по csv.QUOTE_* константам. Используйте одно из значений QUOTE_MINIMAL (0), QUOTE_ALL (1), QUOTE_NONNUMERIC (2) или QUOTE_NONE (3).
doublequote : bool, default True: Когда quotechar задан, 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 остаток строки не должен быть проанализирован. Если он встречается в начале строки, строка будет полностью проигнорирована. Этот параметр должен быть одиночным символом. Как и пустые строки (пока skip_blank_lines=True), полностью прокомментированные 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, используемая для чтения/записи (например, ‘utf-8’). Список стандартных кодировок Python.
dialect : str or csv.Dialect, optional: Если задан, 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. Дополнительные сведения см. в документации по csv.Dialect.
error_bad_lines : bool, default True: Строки с чрезмерным количеством полей (например, строка csv с чрезмерным количеством запятых) по умолчанию вызывают исключение, и DataFrame не возвращается. Если False, эти «плохие строки» будут исключены из возвращаемого DataFrame.
warn_bad_lines : bool, default True: Если error_bad_lines = False, а warn_bad_lines = True, для каждой «плохой строки» будет выведено предупреждение.
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, для параметра delimiter ничего не должно передаваться.

Введено в версии 0.18.1: поддержка парсера Python.
low_memory : bool, default True: Внутренняя обработка файла частями, что приводит к меньшему использованию памяти при парсинге, но, возможно, к смешанному определению типов. Чтобы гарантировать отсутствие смешанных типов, установите False или укажите тип с параметром dtype. Обратите внимание, что весь файл считывается в единый DataFrame, независимо от этого. Используйте параметр chunksize или iterator для возврата данных частями. (Действительно только для парсера C).
memory_map : bool, default False: Если для filepath_or_buffer предоставлен путь к файлу, сопоставьте объект файла непосредственно с памятью и получите доступ к данным непосредственно из нее. Использование этого параметра может повысить производительность, так как больше нет накладных расходов на ввод-вывод.
float_precision : str, optional: Указывает, какой конвертер C-движка следует использовать для значений с плавающей точкой. Варианты: None для обычного конвертера, high для конвертера высокой точности и round_trip для конвертера обратного преобразования.

Возвращает:

DataFrame или TextParser: Файл с разделителями запятыми (csv) возвращается как двумерная структура данных с метками осей.

См. также

to_csv: Запись DataFrame в файл с разделителями запятыми (csv).
read_csv: Чтение файла с разделителями запятыми (csv) в DataFrame.
read_fwf: Чтение таблицы фиксированной ширины 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/0.25.0/reference/api/pandas.read_csv.html