CFSDN坚持开源创造价值，我们致力于搭建一个资源共享平台，让每一个IT人在这里找到属于你的精彩世界.

这篇CFSDN的博客文章Pandas的read_csv函数参数分析详解由作者收集整理，如果你对这篇文章有兴趣，记得点赞哟.

函数原型 。

  。

  。

  。

必填参数 。

读取文件路径，可以是URL，可用URL类型包括：http, ftp, s3和文件.

常用参数 。

sep :str, default ‘,' 指定分隔符。如果不指定参数，则会尝试使用逗号分隔。csv文件一般为逗号分隔符.

delimiter ： str, default None 定界符，备选分隔符（如果指定该参数，则sep参数失效） 。

delim_whitespace :boolean, default False. 指定空格(例如' ‘或者' ‘)是否作为分隔符使用，等效于设定sep='\s+'。 如果这个参数设定为Ture那么delimiter 参数失效.

header :int or list of ints, default ‘infer' 指定行数用来作为列名，数据开始行数。如果文件中没有列名，则默认为0，否则设置为None。对于数据读取有表头和没表头的情况很实用 。

header :int or list of ints, default ‘infer' 指定行数用来作为列名，数据开始行数。如果文件中没有列名，则默认为0，否则设置为None.

names :  array-like, default None 用于结果的列名列表，对各列重命名，即添加表头。 如数据有表头，但想用新的表头，可以设置header=0,names=['a','b']实现表头定制.

index_col : int or sequence or False, default None 用作行索引的列编号或者列名，如果给定一个序列则有多个行索引。 可使用index_col=[0,1]来指定文件中的第1和2列为索引列.

usecols : array-like, default None 返回一个数据子集，即选取某几列，不读取整个文件的内容，有助于加快速度和降低内存。 usecols=[1,2]或usercols=['a','b'] 。

squeeze : boolean, default False 如果文件只包含一列，则返回一个Series 。

prefix :  str, default None 在没有列标题时，给列添加前缀。例如：添加‘X' 成为 X0, X1, ... 。

mangle_dupe_cols : boolean, default True 重复的列，将‘X'...'X'表示为‘X.0'...'X.N'。如果设定为False则会将所有重名列覆盖.

不太常用参数 。

dtype : Type name or dict of column -> type, default None 每列数据的数据类型。例如 {‘a': np.float64, ‘b': np.int32} 。

engine :  {‘c', ‘python'}, optional 使用的分析引擎。可以选择C或者是python。C引擎快但是Python引擎功能更加完备.

converters : dict, default None 列转换函数的字典。key可以是列名或者列的序号.

true_values和false_values :  list, default None Values to consider as True or False 。

skipinitialspace :boolean, default False 忽略分隔符后的空白（默认为False，即不忽略） 。

skiprows : list-like or integer, default None 需要忽略的行数（从文件开始处算起），或需要跳过的行号列表（从0开始）.

skipfooter : int, default 0 从文件尾部开始忽略。 (c引擎不支持) 。

nrows : int, default None 需要读取的行数（从文件头开始算起）.

na_values : scalar, str, list-like, or dict, default None 一组用于替换NA/NaN的值。如果传参，需要制定特定列的空值。 默认为‘1.#IND', ‘1.#QNAN', ‘N/A', ‘NA', ‘NULL', ‘NaN', ‘nan'`. 。

keep_default_na :  bool, default True 如果指定na_values参数，并且keep_default_na=False，那么默认的NaN将被覆盖，否则添加.

na_filter : boolean, default True 是否检查丢失值（空字符串或者是空值）。 对于大文件来说数据集中没有空值，设定na_filter=False可以提升读取速度.

verbose :boolean, default False 是否打印各种解析器的输出信息，例如：“非数值列中缺失值的数量”等.

skip_blank_lines :boolean, default True 如果为True，则跳过空行；否则记为NaN.

encoding : str, default None 指定字符集类型，通常指定为'utf-8'. List of Python standard encodings 。

dialect : str or csv.Dialect instance, default None 如果没有指定特定的语言，如果sep大于一个字符则忽略。具体查看csv.Dialect 文档 。

tupleize_cols : boolean, default False Leave a list of tuples on columns as is (default is to convert to a Multi Index on the columns) 。

error_bad_lines : boolean, default True 如果一行包含太多的列，那么默认不会返回DataFrame ，如果设置成false，那么会将改行剔除（只能在C解析器下使用）.

warn_bad_lines : boolean, default True 如果error_bad_lines =False，并且warn_bad_lines =True 那么所有的“bad lines”将会被输出（只能在C解析器下使用）.

low_memory : boolean, default True 分块加载到内存，在低内存消耗中解析。但是可能出现类型混淆。 确保类型不被混淆需要设置为False。或者使用dtype 参数指定类型。 注意使用chunksize 或者iterator 参数分块读入会将整个文件读入到一个Dataframe， 而忽略类型（只能在C解析器中有效） 。

日期类型相关参数 。

parse_dates : boolean or list of ints or names or list of lists or dict, default False 。

boolean. True -> 解析索引 list of ints or names. e.g. If [1, 2, 3] -> 解析1,2,3列的值作为独立的日期列； list of lists. e.g. If [[1, 3]] -> 合并1,3列作为一个日期列使用 dict, e.g. {‘foo' : [1, 3]} -> 将1,3列合并，并给合并后的列起名为"foo" 。

示例：df=pd.read_csv(file_path,parse_dates=['time1','time2'])， 把time1和time2两列解析为日期格式。 这里不得不说，很遗憾中文不行，比如‘4月5日'这种格式就不能解析.

 infer_datetime_format :boolean, default False 如果设定为True并且parse_dates 可用，那么pandas将尝试转换为日期类型，如果可以转换，转换方法并解析。 在某些情况下会快5~10倍.

keep_date_col : boolean, default False 如果连接多列解析日期，则保持参与连接的列。默认为False.

date_parser :  function, default None 于解析日期的函数，默认使用dateutil.parser.parser来做转换。 Pandas尝试使用三种不同的方式解析，如果遇到问题则使用下一种方式。 1.使用一个或者多个arrays（由parse_dates指定）作为参数； 2.连接指定多列字符串作为一个列作为参数； 3.每行调用一次date_parser函数来解析一个或者多个字符串（由parse_dates指定）作为参数.

dayfirst : boolean, default False DD/MM格式的日期类型 。

大文件常用参数 。

iterator : boolean, default False 返回一个TextFileReader 对象，以便逐块处理文件.

chunksize : int, default None 文件块的大小， See IO Tools docs for more informationon iterator and chunksize. 。

chunksize : int, default None 文件块的大小， See IO Tools docs for more informationon iterator and chunksize. 。

chunksize : int, default None 文件块的大小， See IO Tools docs for more informationon iterator and chunksize. 。

decimal : str, default ‘.' 字符中的小数点 (例如：欧洲数据使用'，‘). 。

float_precision : string, default None Specifies which converter the C engine should use for floating-point values. The options are None for the ordinary converter, high for the high-precision converter, and round_trip for the round-trip converter. 。

lineterminator : str (length 1), default None 行分割符，只在C解析器下使用.

quotechar : str (length 1), optional 引号，用作标识开始和解释的字符，引号内的分割符将被忽略.

quoting : int or csv.QUOTE_* instance, default 0 控制csv中的引号常量。 可选 QUOTE_MINIMAL (0), QUOTE_ALL (1), QUOTE_NONNUMERIC (2) or QUOTE_NONE (3) 。

doublequote : boolean, default True 双引号，当单引号已经被定义，并且quoting 参数不是QUOTE_NONE的时候， 使用双引号表示引号内的元素作为一个元素使用.

escapechar : str (length 1), default None 当quoting 为QUOTE_NONE时，指定一个字符使的不受分隔符限值.

comment : str, default None 标识着多余的行不被解析。如果该字符出现在行首，这一行将被全部忽略。 这个参数只能是一个字符，空行（就像skip_blank_lines=True）注释行被header和skiprows忽略一样。 例如如果指定comment='#' 解析‘#empty\na,b,c\n1,2,3' 以header=0 那么返回结果将是以'a,b,c'作为header.

读取多个文件 。

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持我.

原文链接：https://blog.csdn.net/liuweiyuxiang/article/details/78471036 。

最后此篇关于Pandas的read_csv函数参数分析详解的文章就讲到这里了,如果你想了解更多关于Pandas的read_csv函数参数分析详解的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！ 。