前言：
Python 是一种用于进行数据分析的出色语言，主要是因为以数据为中心的 Python 包的奇妙生态系统。Pandas 就是其中之一，它使导入和分析数据变得更加容易。
大多数用于分析的数据以表格格式的形式提供，例如 Excel 和逗号分隔文件 (CSV)。要访问 csv 文件中的数据，我们需要一个函数 read_csv() 以数据框的形式检索数据。在使用这个功能之前，我们必须导入 pandas 库。
导入 Pandas 库：
import pandas as pdread_csv() 函数用于从 csv 文件中检索数据。read_csv() 方法的语法是：
pd.read_csv(filepath_or_buffer, sep=', ', delimiter=None, header='infer', names=None, index_col=None,
usecols=None, squeeze=False, prefix=None, mangle_dupe_cols=True,
dtype=None, engine=None, converters=None, true_values=None, false_values=None,
skipinitialspace=False, skiprows=None, 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, escapechar=None, comment=None,
encoding=None, dialect=None, tupleize_cols=None, error_bad_lines=True, warn_bad_lines=True, skipfooter=0,
doublequote=True, delim_whitespace=False, low_memory=True, memory_map=False, float_precision=None) 代码 #1 从 csv 文件中检索数据
# Import pandas
import pandas as pd
# 读取csv文件
pd.read_csv("filename.csv")这是带有默认值的参数列表。并非所有这些都很重要，但记住这些实际上可以节省自己执行某些功能的时间。通过在 jupyter notebook 中按 shift + tab 可以查看任何函数的参数。
下面给出了有用的和它们的用法：
- filepath_or_buffer：这是要使用此函数检索的文件的位置。它接受文件的任何字符串路径或 URL。
- sep：表示分隔符，默认为 ', '，如 csv（逗号分隔值）。
- header：它接受 int、int 列表、行号用作列名和数据的开头。如果没有传递名称，即header=None，那么它将显示第一列为0，第二列显示为1，以此类推。
- usecols：用于仅从 csv 文件中检索选定的列。
- nrows：表示要从数据集中显示的行数。
- index_col：如果没有，则没有索引号与记录一起显示。
- 挤压：如果为真且仅传递一列，则返回熊猫系列。
- skiprows：跳过新数据框中传递的行。
- 名称：它允许检索具有新名称的列。
| 范围 | Use |
|---|---|
| filepath_or_buffer | 文件的 URL 或目录位置 |
| sep | 代表分隔符，默认为 ', ' 如 csv（逗号分隔值） |
| index_col | 将传递的列作为索引而不是 0、1、2、3…r  |
| header | 将传递的 row/s[int/int list] 作为标题  |
| use_cols | 仅使用传递的 col[string list] 来制作数据框 |
| squeeze | 如果为 true 且仅传递一列，则返回 pandas 系列 |
| skiprows | 跳过新数据框中传递的行 |
Code #2 :
# 导入 Pandas 库
import pandas as pd
pd.read_csv(filepath_or_buffer = "pokemon.csv")
# 使传递的行标题
pd.read_csv("pokemon.csv", header =[1, 2])
# 将传递的列作为索引而不是 0、1、2、3....
pd.read_csv("pokemon.csv", index_col ='Type')
# 仅将传递的 cols 用于数据框
pd.read_csv("pokemon.csv", usecols =["Type"])
# 如果只有一列，则返回熊猫系列
pd.read_csv("pokemon.csv", usecols =["Type"], squeeze = True)
# 跳过新系列中传递的行
pd.read_csv("pokemon.csv", skiprows = [1, 2, 3, 4])到此这篇关于Python Pandas教程之使用 pandas.read_csv() 读取 csv的文章就介绍到这了,更多相关Python pandas.read_csv() 读取 csv内容请搜索编程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程网！
