pandas.read_table

pandas.read_table(filepath_or_buffer: Union[str, pathlib.Path, IO[~AnyStr]], sep='t', delimiter=None, header='infer', names=None, index_col=None, usecols=None, squeeze=False, prefix=None, mangle_dupe_cols=True, dtype=None, engine=None, converters=None, true_values=None, false_values=None, skipinitialspace=False, skiprows=None, 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 общего текстового файла с разделителями 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-адресом. 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 файлов (например, с помощью встроенной функции `open`) или `StringIO`. `sep : str, default ‘\t’ (tab-stop)` Разделитель, используемый для разбиения данных. Если sep имеет значение None, движок C не может автоматически определить разделитель, но движок Python-парсинга может, что означает, что последний будет использован и автоматически определит разделитель с помощью встроенного инструмента распознавания разделителей Python, `csv.Sniffer`. Кроме того, разделители длиной более 1 символа и отличающиеся от `'\s+'` будут интерпретироваться как регулярные выражения и также заставят использовать движок парсинга Python. Обратите внимание, что разделители-регулярные выражения 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), используемых в качестве имен столбцов и начала данных. По умолчанию имена столбцов определяются автоматически: если имена не переданы, поведение идентично `header=0`, и имена столбцов выводятся из первой строки файла, если имена столбцов явно указаны, то поведение идентично `header=None`. Явно передайте `header=0` для замены существующих имён. Заголовок может быть списком целых чисел, которые указывают позиции строк для многоуровневого индекса столбцов, например, [0,1,3]. Промежуточные строки, которые не указаны, будут пропущены (например, 2 в данном примере пропущен). 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, необходимо явно указать `header=None`. Дубликаты в этом списке не допускаются. `index_col : int, str, sequence of int / str, or False, default None` Столбец(ы) для использования в качестве меток строк `DataFrame`, указанный либо как имя строки, либо как индекс столбца. Если передана последовательность int/str, используется MultiIndex. Примечание: `index_col=False` может быть использован для того, чтобы запретить pandas использовать первый столбец в качестве индекса, например, при наличии поврежденного файла с разделителями в конце каждой строки. `usecols : list-like or callable, optional` Возврат подмножества столбцов. Если список-подобный объект, все элементы должны быть либо позиционными (т.е. целочисленными индексами в столбцах документа), либо строками, соответствующими именам столбцов, предоставленными пользователем в `names` или выведенными из строки(ок) заголовка документа. Например, допустимым списком-подобным `usecols` параметром будет `[0, 1, 2]` или `['foo', 'bar', 'baz']`. Порядок элементов игнорируется, поэтому `usecols=[0, 1]` эквивалентно `[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 вызываемый объект, вызываемая функция будет вычислена относительно имён 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 парсингу и меньшему потреблению памяти. `squeeze : bool, default False` Если проанализированные данные содержат только один столбец, то возвращается Series. `prefix : str, optional` Префикс, добавляемый к номерам столбцов, если нет заголовка, например, «X» для X0, X1, … `mangle_dupe_cols : bool, default True` Дублирующиеся столбцы будут указаны как «X», «X.1», … «X.N», а не «X»…«X». Передача значения 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 настройками `na_values` для сохранения и невключения интерпретации типа данных. Если указаны преобразователи, они будут применены ВМЕСТО преобразования типа данных. `engine : {‘c’, ‘python’}, optional` Движок парсинга для использования. Движок C быстрее, а движок Python в настоящее время более функционален. `converters : dict, optional` Словарь функций для преобразования значений в определенных столбцах. Ключи могут быть целыми числами или 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` Пропустить пробелы после разделителя. `skiprows : list-like, int or callable, optional` Номера строк для пропуска (индексируются с 0) или количество строк для пропуска (целое число) в начале файла. Если вызываемый объект, вызываемая функция будет вычислена 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 нижней части файла для пропуска (не поддерживается с движком «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 следует распознавать как NA/NaN. Если передан словарь, специфические значения NA для каждого столбца. По умолчанию следующие значения интерпретируются как NaN: «», «#N/A», «#N/A N/A», «#NA», «-1.#IND», «-1.#QNAN», «-NaN», «-nan», «1.#IND», «1.#QNAN», «N/A», «NA», «NULL», «NaN», «n/a», «nan», «null». `keep_default_na : bool, default True` Включать или нет значения NaN по умолчанию при разборе данных. В зависимости от того, передано ли `na_values`, поведение следующее: Если `keep_default_na` имеет значение True, и `na_values` указаны, `na_values` добавляется к значениям NaN по умолчанию, используемым для разбора. Если `keep_default_na` имеет значение True, и `na_values` не указаны, для разбора используются только значения NaN по умолчанию. Если `keep_default_na` имеет значение False, и `na_values` указаны, для разбора используются только значения NaN, указанные `na_values`. Если `keep_default_na` имеет значение False, и `na_values` не указаны, ни одна строка не будет распознаваться как NaN. Обратите внимание, что если `na_filter` передано со значением False, параметры `keep_default_na` и `na_values` будут игнорироваться. `na_filter : bool, default True` Обнаружение маркеров пропущенных значений (пустые строки и значения na_values). В данных без каких-либо пропущенных значений передача na_filter=False может улучшить производительность чтения большого файла. `verbose : bool, default False` Указать количество значений NA, размещенных в нечисловых столбцах. `skip_blank_lines : bool, default True` Если True, пропускать пустые строки, а не интерпретировать их 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 -> попробовать распарсить индекс. список int или имён. Например, если [1, 2, 3] -> попробовать распарсить столбцы 1, 2, 3 каждый как отдельный столбец даты. список списков. Например, если [[1, 3]] -> объединить столбцы 1 и 3 и распарсить как один столбец даты. словарь, например, {‘foo’ : [1, 3]} -> распарсить столбцы 1, 3 как дату и назвать результат ‘foo’ Если столбец или индекс не может быть представлен как массив дат, скажем, из-за нераспознаваемого значения или смеси часовых поясов, столбец или индекс возвращается неизменным как тип данных object. Для нестандартного разбора дат используйте `pd.to_datetime` после `pd.read_csv`. Чтобы проанализировать индекс или столбец с сочетанием часовых поясов, укажите `date_parser` для частично применённого `pandas.to_datetime()` с `utc=True`. Дополнительную информацию см. в Разбор CSV с различными часовыми поясами. Примечание: существует быстрый путь для дат в формате iso8601. `infer_datetime_format : bool, default False` Если True и `parse_dates` включен, pandas попытается определить формат строк дат в столбцах и, если это возможно, переключится 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, сохранить исходные столбцы. `date_parser : function, optional` Функция для преобразования последовательности строковых столбцов 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 возникает исключение: 1) Передать один или несколько массивов (как определено `parse_dates`) в качестве аргументов; 2) склеить (по строкам) строковые значения из столбцов, определённых `parse_dates`, в единый 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 разбор, когда встречаются повторяющиеся строковые представления дат, особенно с временными зонами. Добавлена в версии 0.25.0. `iterator : bool, default False` Возвращает объект TextFileReader для итерации или получения кусков с `get_chunk()`. `chunksize : int, optional`

filepath_or_buffer : str, path object or file-like object

Любой допустимый путь к строке является приемлемым. Строка может быть URL-адресом. 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 файлов (например, с помощью встроенной функции open) или StringIO.

sep : str, default ‘\t’ (tab-stop)

Разделитель, используемый для разбиения данных. Если sep имеет значение None, движок C не может автоматически определить разделитель, но движок Python-парсинга может, что означает, что последний будет использован и автоматически определит разделитель с помощью встроенного инструмента распознавания разделителей Python, csv.Sniffer. Кроме того, разделители длиной более 1 символа и отличающиеся от '\s+' будут интерпретироваться как регулярные выражения и также заставят использовать движок парсинга Python. Обратите внимание, что разделители-регулярные выражения 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), используемых в качестве имен столбцов и начала данных. По умолчанию имена столбцов определяются автоматически: если имена не переданы, поведение идентично header=0, и имена столбцов выводятся из первой строки файла, если имена столбцов явно указаны, то поведение идентично header=None. Явно передайте header=0 для замены существующих имён. Заголовок может быть списком целых чисел, которые указывают позиции строк для многоуровневого индекса столбцов, например, [0,1,3]. Промежуточные строки, которые не указаны, будут пропущены (например, 2 в данном примере пропущен). 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, необходимо явно указать header=None. Дубликаты в этом списке не допускаются.

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

Столбец(ы) для использования в качестве меток строк DataFrame, указанный либо как имя строки, либо как индекс столбца. Если передана последовательность int/str, используется MultiIndex.

Примечание: index_col=False может быть использован для того, чтобы запретить pandas использовать первый столбец в качестве индекса, например, при наличии поврежденного файла с разделителями в конце каждой строки.

usecols : list-like or callable, optional

Возврат подмножества столбцов. Если список-подобный объект, все элементы должны быть либо позиционными (т.е. целочисленными индексами в столбцах документа), либо строками, соответствующими именам столбцов, предоставленными пользователем в names или выведенными из строки(ок) заголовка документа. Например, допустимым списком-подобным usecols параметром будет [0, 1, 2] или ['foo', 'bar', 'baz']. Порядок элементов игнорируется, поэтому usecols=[0, 1] эквивалентно [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 вызываемый объект, вызываемая функция будет вычислена относительно имён 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 парсингу и меньшему потреблению памяти.

squeeze : bool, default False

Если проанализированные данные содержат только один столбец, то возвращается Series.

prefix : str, optional

Префикс, добавляемый к номерам столбцов, если нет заголовка, например, «X» для X0, X1, …

mangle_dupe_cols : bool, default True

Дублирующиеся столбцы будут указаны как «X», «X.1», … «X.N», а не «X»…«X». Передача значения 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 настройками na_values для сохранения и невключения интерпретации типа данных. Если указаны преобразователи, они будут применены ВМЕСТО преобразования типа данных.

engine : {‘c’, ‘python’}, optional

Движок парсинга для использования. Движок C быстрее, а движок Python в настоящее время более функционален.

converters : dict, optional

Словарь функций для преобразования значений в определенных столбцах. Ключи могут быть целыми числами или 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

Пропустить пробелы после разделителя.

skiprows : list-like, int or callable, optional

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

Если вызываемый объект, вызываемая функция будет вычислена 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 нижней части файла для пропуска (не поддерживается с движком «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 следует распознавать как NA/NaN. Если передан словарь, специфические значения NA для каждого столбца. По умолчанию следующие значения интерпретируются как NaN: «», «#N/A», «#N/A N/A», «#NA», «-1.#IND», «-1.#QNAN», «-NaN», «-nan», «1.#IND», «1.#QNAN», «N/A», «NA», «NULL», «NaN», «n/a», «nan», «null».

keep_default_na : bool, default True

Включать или нет значения NaN по умолчанию при разборе данных. В зависимости от того, передано ли na_values, поведение следующее:

Если keep_default_na имеет значение True, и na_values указаны, na_values добавляется к значениям NaN по умолчанию, используемым для разбора.
Если keep_default_na имеет значение True, и na_values не указаны, для разбора используются только значения NaN по умолчанию.
Если keep_default_na имеет значение False, и na_values указаны, для разбора используются только значения NaN, указанные na_values.
Если keep_default_na имеет значение False, и na_values не указаны, ни одна строка не будет распознаваться как NaN.

Обратите внимание, что если na_filter передано со значением False, параметры keep_default_na и na_values будут игнорироваться.

na_filter : bool, default True

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

verbose : bool, default False

Указать количество значений NA, размещенных в нечисловых столбцах.

skip_blank_lines : bool, default True

Если True, пропускать пустые строки, а не интерпретировать их 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 -> попробовать распарсить индекс.
список int или имён. Например, если [1, 2, 3] -> попробовать распарсить столбцы 1, 2, 3 каждый как отдельный столбец даты.
список списков. Например, если [[1, 3]] -> объединить столбцы 1 и 3 и распарсить как один столбец даты.
словарь, например, {‘foo’ : [1, 3]} -> распарсить столбцы 1, 3 как дату и назвать результат ‘foo’

Если столбец или индекс не может быть представлен как массив дат, скажем, из-за нераспознаваемого значения или смеси часовых поясов, столбец или индекс возвращается неизменным как тип данных object. Для нестандартного разбора дат используйте pd.to_datetime после pd.read_csv. Чтобы проанализировать индекс или столбец с сочетанием часовых поясов, укажите date_parser для частично применённого pandas.to_datetime() с utc=True. Дополнительную информацию см. в Разбор CSV с различными часовыми поясами.

Примечание: существует быстрый путь для дат в формате iso8601.

infer_datetime_format : bool, default False

Если True и parse_dates включен, pandas попытается определить формат строк дат в столбцах и, если это возможно, переключится 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, сохранить исходные столбцы.

date_parser : function, optional

Функция для преобразования последовательности строковых столбцов 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 возникает исключение: 1) Передать один или несколько массивов (как определено parse_dates) в качестве аргументов; 2) склеить (по строкам) строковые значения из столбцов, определённых parse_dates, в единый 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 разбор, когда встречаются повторяющиеся строковые представления дат, особенно с временными зонами.

Добавлена в версии 0.25.0.

iterator : bool, default False

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

chunksize : int, optional

Возвращает объект TextFileReader для итерации. См. документацию IO Tools для получения дополнительной информации о `iterator` и `chunksize`. `compression : {‘infer’, ‘gzip’, ‘bz2’, ‘zip’, ‘xz’, None}, default ‘infer’` Для сжатия данных на диске в реальном времени. Если ‘infer’ и `filepath_or_buffer` — путь к файлу, то определить тип сжатия по следующим расширениям: ‘.gz’, ‘.bz2’, ‘.zip’, или ‘.xz’ (в противном случае сжатие не применяется). Если используется ‘zip’, архив ZIP должен содержать только один файл данных для чтения. Установить в 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. Действительно только с C парсером. `quotechar : str (length 1), optional` Символ, используемый для обозначения начала и конца цитируемого элемента. Цитируемые элементы могут включать разделитель, и он будет проигнорирован. `quoting : int or csv.QUOTE_* instance, default 0` Управление цитированием полей в соответствии со значениями `csv.QUOTE_*` констант. Используйте одно из значений 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 quotechar элемента ВНУТРИ поля как один `quotechar` элемент. `escapechar : str (length 1), optional` Символьная строка, используемая для экранирования других символов. `comment : str, optional` Указывает, что остаток строки не должен анализироваться. Если он найден в начале строки, вся строка будет пропущена. Этот параметр должен быть одиночным символом. Как пустые строки (пока `skip_blank_lines=True`), полностью комментируемые строки игнорируются параметром `header`, но не `skiprows`. Например, если `comment='#'`, анализ `#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 переопределяет значения (по умолчанию или нет) для следующих параметров: `delimiter`, `doublequote`, `escapechar`, `skipinitialspace`, `quotechar`, и `quoting`. Если необходимо переопределить значения, будет выведено предупреждение ParserWarning. Более подробная информация см. в документации csv.Dialect. `error_bad_lines : bool, default True` Строки с слишком большим количеством полей (например, строка csv со слишком многими запятыми) по умолчанию приведут к ошибке, 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, а warn_bad_lines = True, для каждой «плохой строки» будет выведено предупреждение. `delim_whitespace : bool, default False` Указывает, будет ли пробел (например, `' '` или `' '`) использоваться как разделитель. Эквивалентно установке `sep='\s+'`. Если этот параметр установлен в True, для параметра `delimiter` ничего не должно быть передано. Введено в версии 0.18.1: поддержка Python парсера. `low_memory : bool, default True` Внутренняя обработка файла частями, что приводит к снижению использования памяти при парсинге, но, возможно, к смешанному выводу типов. Для предотвращения смешанных типов установите False или укажите тип с параметром `dtype`. Обратите внимание, что весь файл все равно читается в один DataFrame. Используйте параметр `chunksize` или `iterator` для возврата данных частями. (Действительно только с C парсером). `memory_map : bool, default False` Если для `filepath_or_buffer` указан путь к файлу, отобразите объект файла напрямую в памяти и получите доступ к данным напрямую. Использование этого параметра может улучшить производительность, поскольку теперь нет необходимости в операциях ввода-вывода. `float_precision : str, optional` Указывает, какой преобразователь должен использовать C движок для значений с плавающей точкой. Доступные варианты: `None` для обычного преобразователя, `high` для преобразователя высокой точности и `round_trip` для преобразователя с обратным отображением.
Возвращает:	DataFrame или TextParser Файл значений, разделенных запятыми (csv), возвращается как двумерная структура данных с маркированными осями.

Возвращает объект TextFileReader для итерации. См. документацию IO Tools для получения дополнительной информации о iterator и chunksize.
compression : {‘infer’, ‘gzip’, ‘bz2’, ‘zip’, ‘xz’, None}, default ‘infer’: Для сжатия данных на диске в реальном времени. Если ‘infer’ и filepath_or_buffer — путь к файлу, то определить тип сжатия по следующим расширениям: ‘.gz’, ‘.bz2’, ‘.zip’, или ‘.xz’ (в противном случае сжатие не применяется). Если используется ‘zip’, архив ZIP должен содержать только один файл данных для чтения. Установить в 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. Действительно только с C парсером.
quotechar : str (length 1), optional: Символ, используемый для обозначения начала и конца цитируемого элемента. Цитируемые элементы могут включать разделитель, и он будет проигнорирован.
quoting : int or csv.QUOTE_* instance, default 0: Управление цитированием полей в соответствии со значениями csv.QUOTE_* констант. Используйте одно из значений 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 quotechar элемента ВНУТРИ поля как один quotechar элемент.
escapechar : str (length 1), optional: Символьная строка, используемая для экранирования других символов.
comment : str, optional: Указывает, что остаток строки не должен анализироваться. Если он найден в начале строки, вся строка будет пропущена. Этот параметр должен быть одиночным символом. Как пустые строки (пока skip_blank_lines=True), полностью комментируемые строки игнорируются параметром header, но не skiprows. Например, если comment='#', анализ #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 переопределяет значения (по умолчанию или нет) для следующих параметров: delimiter, doublequote, escapechar, skipinitialspace, quotechar, и quoting. Если необходимо переопределить значения, будет выведено предупреждение ParserWarning. Более подробная информация см. в документации csv.Dialect.
error_bad_lines : bool, default True: Строки с слишком большим количеством полей (например, строка csv со слишком многими запятыми) по умолчанию приведут к ошибке, 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, а warn_bad_lines = True, для каждой «плохой строки» будет выведено предупреждение.
delim_whitespace : bool, default False: Указывает, будет ли пробел (например, ' ' или ' ') использоваться как разделитель. Эквивалентно установке sep='\s+'. Если этот параметр установлен в True, для параметра delimiter ничего не должно быть передано.

Введено в версии 0.18.1: поддержка Python парсера.
low_memory : bool, default True: Внутренняя обработка файла частями, что приводит к снижению использования памяти при парсинге, но, возможно, к смешанному выводу типов. Для предотвращения смешанных типов установите False или укажите тип с параметром dtype. Обратите внимание, что весь файл все равно читается в один DataFrame. Используйте параметр chunksize или iterator для возврата данных частями. (Действительно только с C парсером).
memory_map : bool, default False: Если для filepath_or_buffer указан путь к файлу, отобразите объект файла напрямую в памяти и получите доступ к данным напрямую. Использование этого параметра может улучшить производительность, поскольку теперь нет необходимости в операциях ввода-вывода.
float_precision : str, optional: Указывает, какой преобразователь должен использовать C движок для значений с плавающей точкой. Доступные варианты: None для обычного преобразователя, high для преобразователя высокой точности и round_trip для преобразователя с обратным отображением.

Возвращает:

DataFrame или TextParser: Файл значений, разделенных запятыми (csv), возвращается как двумерная структура данных с маркированными осями.

См. также

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