|
import pandas as pd 讀文件操作: data = pd.read_csv(filename[,參數(shù)列表]) 參數(shù): 常用參數(shù)： filepath_or_buffer : str，pathlib。str, pathlib.Path, py._path.local.LocalPath or any object with a read() method (such as a file handle or StringIO) 可以是URL，可用URL類型包括：http, ftp, s3和文件。對于多文件正在準(zhǔn)備中 本地文件讀取實例：://localhost/path/to/table.csv sep : str, default ‘,’ 指定分隔符。如果不指定參數(shù)，則會嘗試使用逗號分隔。分隔符長于一個字符并且不是‘\s ’,將使用python的語法分析器。并且忽略數(shù)據(jù)中的逗號。正則表達(dá)式例子：’\r\t’ delimiter : str, default None 定界符，備選分隔符（如果指定該參數(shù)，則sep參數(shù)失效） delim_whitespace : boolean, default False. 指定空格(例如’ ‘或者’ ‘)是否作為分隔符使用，等效于設(shè)定sep=’\s ’。如果這個參數(shù)設(shè)定為Ture那么delimiter 參數(shù)失效。 在新版本0.18.1支持 header : int or list of ints, default ‘infer’ 指定行數(shù)用來作為列名，數(shù)據(jù)開始行數(shù)。如果文件中沒有列名，則默認(rèn)為0，否則設(shè)置為None。如果明確設(shè)定header=0 就會替換掉原來存在列名。header參數(shù)可以是一個list例如：[0,1,3]，這個list表示將文件中的這些行作為列標(biāo)題（意味著每一列有多個標(biāo)題），介于中間的行將被忽略掉（例如本例中的2；本例中的數(shù)據(jù)1,2,4行將被作為多級標(biāo)題出現(xiàn)，第3行數(shù)據(jù)將被丟棄，dataframe的數(shù)據(jù)從第5行開始。）。 注意：如果skip_blank_lines=True 那么header參數(shù)忽略注釋行和空行，所以header=0表示第一行數(shù)據(jù)而不是文件的第一行。 names : array-like, default None 用于結(jié)果的列名列表，如果數(shù)據(jù)文件中沒有列標(biāo)題行，就需要執(zhí)行header=None。默認(rèn)列表中不能出現(xiàn)重復(fù)，除非設(shè)定參數(shù)mangle_dupe_cols=True。 index_col : int or sequence or False, default None 用作行索引的列編號或者列名，如果給定一個序列則有多個行索引。 如果文件不規(guī)則，行尾有分隔符，則可以設(shè)定index_col=False 保證pandas用第一列作為行索引。 usecols : array-like, default None 返回一個數(shù)據(jù)子集，該列表中的值必須可以對應(yīng)到文件中的位置（數(shù)字可以對應(yīng)到指定的列）或者是字符傳為文件中的列名。例如：usecols有效參數(shù)可能是 [0,1,2]或者是 [‘foo’, ‘bar’, ‘baz’]。使用這個參數(shù)可以加快加載速度并降低內(nèi)存消耗。 as_recarray : boolean, default False 不贊成使用：該參數(shù)會在未來版本移除。請使用pd.read_csv(…).to_records()替代。 返回一個Numpy的recarray來替代DataFrame。如果該參數(shù)設(shè)定為True。將會優(yōu)先squeeze參數(shù)使用。并且行索引將不再可用，索引列也將被忽略。 squeeze : boolean, default False 如果文件值包含一列，則返回一個Series prefix : str, default None 在沒有列標(biāo)題時，給列添加前綴。例如：添加‘X’ 成為 X0, X1, … mangle_dupe_cols : boolean, default True 重復(fù)的列，將‘X’…’X’表示為‘X.0’…’X.N’。如果設(shè)定為false則會將所有重名列覆蓋。 dtype : Type name or dict of column -> type, default None 每列數(shù)據(jù)的數(shù)據(jù)類型。例如 {‘a(chǎn)’: np.float64, ‘b’: np.int32} engine : {‘c’, ‘python’}, optional Parser engine to use. The C engine is faster while the python engine is currently more feature-complete. 使用的分析引擎?？梢赃x擇C或者是python。C引擎快但是Python引擎功能更加完備。 converters : dict, default None 列轉(zhuǎn)換函數(shù)的字典。key可以是列名或者列的序號。 true_values : list, default None Values to consider as True false_values : list, default None Values to consider as False skipinitialspace : boolean, default False 忽略分隔符后的空白（默認(rèn)為False，即不忽略）. skiprows : list-like or integer, default None 需要忽略的行數(shù)（從文件開始處算起），或需要跳過的行號列表（從0開始）。 skipfooter : int, default 0 從文件尾部開始忽略。 (c引擎不支持) skip_footer : int, default 0 不推薦使用：建議使用skipfooter ，功能一樣。 nrows : int, default None 需要讀取的行數(shù)（從文件頭開始算起）。 na_values : scalar, str, list-like, or dict, default None 一組用于替換NA/NaN的值。如果傳參，需要制定特定列的空值。默認(rèn)為‘1.#IND’, ‘1.#QNAN’, ‘N/A’, ‘NA’, ‘NULL’, ‘NaN’, ‘nan’`. keep_default_na : bool, default True 如果指定na_values參數(shù)，并且keep_default_na=False，那么默認(rèn)的NaN將被覆蓋，否則添加。 na_filter : boolean, default True 是否檢查丟失值（空字符串或者是空值）。對于大文件來說數(shù)據(jù)集中沒有空值，設(shè)定na_filter=False可以提升讀取速度。 verbose : boolean, default False 是否打印各種解析器的輸出信息，例如：“非數(shù)值列中缺失值的數(shù)量”等。 skip_blank_lines : boolean, default True 如果為True，則跳過空行；否則記為NaN。 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列的值作為獨立的日期列； list of lists. e.g. If [[1, 3]] -> 合并1,3列作為一個日期列使用 dict, e.g. {‘foo’ : [1, 3]} -> 將1,3列合并，并給合并后的列起名為"foo" 1234 infer_datetime_format : boolean, default False 如果設(shè)定為True并且parse_dates 可用，那么pandas將嘗試轉(zhuǎn)換為日期類型，如果可以轉(zhuǎn)換，轉(zhuǎn)換方法并解析。在某些情況下會快5~10倍。 keep_date_col : boolean, default False 如果連接多列解析日期，則保持參與連接的列。默認(rèn)為False。 date_parser : function, default None 用于解析日期的函數(shù)，默認(rèn)使用dateutil.parser.parser來做轉(zhuǎn)換。Pandas嘗試使用三種不同的方式解析，如果遇到問題則使用下一種方式。 1.使用一個或者多個arrays（由parse_dates指定）作為參數(shù)； 2.連接指定多列字符串作為一個列作為參數(shù)； 3.每行調(diào)用一次date_parser函數(shù)來解析一個或者多個字符串（由parse_dates指定）作為參數(shù)。 dayfirst : boolean, default False DD/MM格式的日期類型 iterator : boolean, default False 返回一個TextFileReader 對象，以便逐塊處理文件。 chunksize : int, default None 文件塊的大小， See IO Tools docs for more informationon iterator and chunksize. compression : {‘infer’, ‘gzip’, ‘bz2’, ‘zip’, ‘xz’, None}, default ‘infer’ 直接使用磁盤上的壓縮文件。如果使用infer參數(shù)，則使用 gzip, bz2, zip或者解壓文件名中以‘.gz’, ‘.bz2’, ‘.zip’, or ‘xz’這些為后綴的文件，否則不解壓。如果使用zip，那么ZIP包中國必須只包含一個文件。設(shè)置為None則不解壓。 新版本0.18.1版本支持zip和xz解壓 thousands : str, default None 千分位分割符，如“，”或者“.” decimal : str, default ‘.’ 字符中的小數(shù)點 (例如：歐洲數(shù)據(jù)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. 指定 lineterminator : str (length 1), default None 行分割符，只在C解析器下使用。 quotechar : str (length 1), optional 引號，用作標(biāo)識開始和解釋的字符，引號內(nèi)的分割符將被忽略。 quoting : int or csv.QUOTE_* instance, default 0 控制csv中的引號常量?？蛇x QUOTE_MINIMAL (0), QUOTE_ALL (1), QUOTE_NONNUMERIC (2) or QUOTE_NONE (3) doublequote : boolean, default True 雙引號，當(dāng)單引號已經(jīng)被定義，并且quoting 參數(shù)不是QUOTE_NONE的時候，使用雙引號表示引號內(nèi)的元素作為一個元素使用。 escapechar : str (length 1), default None 當(dāng)quoting 為QUOTE_NONE時，指定一個字符使的不受分隔符限值。 comment : str, default None 標(biāo)識著多余的行不被解析。如果該字符出現(xiàn)在行首，這一行將被全部忽略。這個參數(shù)只能是一個字符，空行（就像skip_blank_lines=True）注釋行被header和skiprows忽略一樣。例如如果指定comment=’#’ 解析‘#empty\na,b,c\n1,2,3’ 以header=0 那么返回結(jié)果將是以’a,b,c’作為header。 encoding : str, default None 指定字符集類型，通常指定為’utf-8’. List of Python standard encodings dialect : str or csv.Dialect instance, default None 如果沒有指定特定的語言，如果sep大于一個字符則忽略。具體查看csv.Dialect 文檔 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，那么默認(rèn)不會返回DataFrame ，如果設(shè)置成false，那么會將改行剔除（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”將會被輸出（只能在C解析器下使用）。 low_memory : boolean, default True 分塊加載到內(nèi)存，再低內(nèi)存消耗中解析。但是可能出現(xiàn)類型混淆。確保類型不被混淆需要設(shè)置為False?；蛘呤褂胐type 參數(shù)指定類型。注意使用chunksize 或者iterator 參數(shù)分塊讀入會將整個文件讀入到一個Dataframe，而忽略類型（只能在C解析器中有效） buffer_lines : int, default None 不推薦使用，這個參數(shù)將會在未來版本移除，因為他的值在解析器中不推薦使用 compact_ints : boolean, default False 不推薦使用，這個參數(shù)將會在未來版本移除 如果設(shè)置compact_ints=True ，那么任何有整數(shù)類型構(gòu)成的列將被按照最小的整數(shù)類型存儲，是否有符號將取決于use_unsigned 參數(shù) use_unsigned : boolean, default False 不推薦使用：這個參數(shù)將會在未來版本移除 如果整數(shù)列被壓縮(i.e. compact_ints=True)，指定被壓縮的列是有符號還是無符號的。 memory_map : boolean, default False 如果使用的文件在內(nèi)存內(nèi)，那么直接map文件使用。使用這種方式可以避免文件再次進行IO操作。 寫文件: 1.將數(shù)據(jù)轉(zhuǎn)化位表格的形式 file = pd.DataFrame(data) 2.開始寫入csv file = pd.to_csv(fileame[,參數(shù)]) 參數(shù): index=False,header=False,不要標(biāo)簽 mode='a ' 模式位追加 path_or_buf=None： string or file handle, default None File path or object, if None is provided the result is returned as a string. 字符串或文件句柄，默認(rèn)無文件 路徑或?qū)ο螅绻麤]有提供，結(jié)果將返回為字符串。 sep : character, default ‘,’ Field delimiter for the output file. 默認(rèn)字符 ‘ ，’ 輸出文件的字段分隔符。 na_rep : string, default ‘’ Missing data representation 字符串，默認(rèn)為 ‘’ 浮點數(shù)格式字符串 float_format : string, default None Format string for floating point numbers 字符串，默認(rèn)為 None 浮點數(shù)格式字符串 columns : sequence, optional Columns to write 順序，可選列寫入 header : boolean or list of string, default True Write out the column names. If a list of strings is given it is assumed to be aliases for the column names 字符串或布爾列表，默認(rèn)為true 寫出列名。如果給定字符串列表，則假定為列名的別名。 index : boolean, default True Write row names (index) 布爾值，默認(rèn)為Ture 寫入行名稱（索引） index_label : string or sequence, or False, default None Column label for index column(s) if desired. If None is given, and header and index are True, then the index names are used. A sequence should be given if the DataFrame uses MultiIndex. If False do not print fields for index names. Use index_label=False for easier importing in R 字符串或序列，或False,默認(rèn)為None 如果需要，可以使用索引列的列標(biāo)簽。如果沒有給出，且標(biāo)題和索引為True，則使用索引名稱。如果數(shù)據(jù)文件使用多索引，則應(yīng)該使用這個序列。如果值為False，不打印索引字段。在R中使用index_label=False 更容易導(dǎo)入索引. mode : str 模式：值為‘str’，字符串 Python寫模式，默認(rèn)“w” encoding : string, optional 編碼：字符串，可選 表示在輸出文件中使用的編碼的字符串，Python 2上默認(rèn)為“ASCII”和Python 3上默認(rèn)為“UTF-8”。 compression : string, optional 字符串，可選項 表示在輸出文件中使用的壓縮的字符串，允許值為“gzip”、“bz2”、“xz”，僅在第一個參數(shù)是文件名時使用。 line_terminator : string, default ‘\n’ 字符串，默認(rèn)為 ‘\n’ 在輸出文件中使用的換行字符或字符序列 quoting : optional constant from csv module CSV模塊的可選常量 默認(rèn)值為to_csv.QUOTE_MINIMAL。如果設(shè)置了浮點格式，那么浮點將轉(zhuǎn)換為字符串，因此csv.QUOTE_NONNUMERIC會將它們視為非數(shù)值的。 quotechar : string (length 1), default ‘”’ 字符串（長度1），默認(rèn)“” 用于引用字段的字符 doublequote : boolean, default True 布爾，默認(rèn)為Ture 控制一個字段內(nèi)的quotechar escapechar : string (length 1), default None 字符串（長度為1），默認(rèn)為None 在適當(dāng)?shù)臅r候用來轉(zhuǎn)義sep和quotechar的字符 chunksize : int or None int或None 一次寫入行 tupleize_cols : boolean, default False 布爾值 ，默認(rèn)為False 從版本0.21.0中刪除：此參數(shù)將被刪除，并且總是將多索引的每行寫入CSV文件中的單獨行 （如果值為false）將多索引列作為元組列表（如果TRUE）或以新的、擴展的格式寫入，其中每個多索引列是CSV中的一行。 date_format : string, default None 字符串，默認(rèn)為None 字符串對象轉(zhuǎn)換為日期時間對象 decimal: string, default ‘.’ 字符串，默認(rèn)’?！? 字符識別為小數(shù)點分隔符。例如。歐洲數(shù)據(jù)使用 ’，’ |
|
|
