Python pandas 读取csv/txt数据文件 python读取csv/txt文件

导读

主要利用pandas.read_csv接口对csv格式文件或txt文件进行读取，由于CSV格式文件使用非常频繁，功能强大，参数众多，因此在这里专门做详细介绍

使用示例

# 基础用法
import pandas as pd
pd.read_csv(path)
     ts_code  symbol  name area industry  list_date
0  000001.SZ       1  平安银行   深圳       银行   19910403
1  000002.SZ       2   万科A   深圳     全国地产   19910129
2  000004.SZ       4  ST国华   深圳     软件服务   19910114
3  000005.SZ       5  ST星源   深圳     环境保护   19901210
4  000006.SZ       6  深振业A   深圳     区域地产   19920427

# 如何指定字符集类型 encoding=None
pd.read_csv(path, encoding="utf8")

# 如何指定表头/列名行 header=0
pd.read_csv(path)
                                    # 作者是archie
ts_code   symbol name area industry   list_date
000001.SZ 000001 平安银行 深圳   银行          19910403
000002.SZ 000002 万科A  深圳   全国地产        19910129
000004.SZ 000004 ST国华 深圳   软件服务        19910114
000005.SZ 000005 ST星源 深圳   环境保护        19901210
pd.read_csv(path, header=1)
     ts_code  symbol  name area industry  list_date
0  000001.SZ       1  平安银行   深圳       银行   19910403
1  000002.SZ       2   万科A   深圳     全国地产   19910129
2  000004.SZ       4  ST国华   深圳     软件服务   19910114
3  000005.SZ       5  ST星源   深圳     环境保护   19901210

# 如何指定分隔符 sep=","
pd.read_csv(path)
  ts_code/symbol/name/area/industry/list_date
0        000001.SZ/000001/平安银行/深圳/银行/19910403
1       000002.SZ/000002/万科A/深圳/全国地产/19910129
2      000004.SZ/000004/ST国华/深圳/软件服务/19910114
3      000005.SZ/000005/ST星源/深圳/环境保护/19901210
pd.read_csv(path, sep='/')
     ts_code  symbol  name area industry  list_date
0  000001.SZ       1  平安银行   深圳       银行   19910403
1  000002.SZ       2   万科A   深圳     全国地产   19910129
2  000004.SZ       4  ST国华   深圳     软件服务   19910114
3  000005.SZ       5  ST星源   深圳     环境保护   19901210

# 如何自定义列名 names=None
pd.read_csv(path)
   000001.SZ  000001  平安银行  深圳    银行  19910403
0  000002.SZ       2   万科A  深圳  全国地产  19910129
1  000004.SZ       4  ST国华  深圳  软件服务  19910114
2  000005.SZ       5  ST星源  深圳  环境保护  19901210
pd.read_csv(path, names=['ts_code','symbol','name','area','industry','list_date'])
     ts_code  symbol  name area industry  list_date
0  000001.SZ       1  平安银行   深圳       银行   19910403
1  000002.SZ       2   万科A   深圳     全国地产   19910129
2  000004.SZ       4  ST国华   深圳     软件服务   19910114
3  000005.SZ       5  ST星源   深圳     环境保护   19901210

# 如何指定行索引 index_col=None
pd.read_csv(path)
     ts_code  symbol  name area industry  list_date
0  000001.SZ       1  平安银行   深圳       银行   19910403
1  000002.SZ       2   万科A   深圳     全国地产   19910129
2  000004.SZ       4  ST国华   深圳     软件服务   19910114
3  000005.SZ       5  ST星源   深圳     环境保护   19901210
pd.read_csv(path, index_col="ts_code")
           symbol  name area industry  list_date
ts_code                                         
000001.SZ       1  平安银行   深圳       银行   19910403
000002.SZ       2   万科A   深圳     全国地产   19910129
000004.SZ       4  ST国华   深圳     软件服务   19910114
000005.SZ       5  ST星源   深圳     环境保护   19901210

# 如何读入指定列数据 usecols=None
pd.read_csv(path, usecols=["ts_code"])
     ts_code
0  000001.SZ
1  000002.SZ
2  000004.SZ
3  000005.SZ
pd.read_csv(path, usecols=["ts_code", "area"])
     ts_code area
0  000001.SZ   深圳
1  000002.SZ   深圳
2  000004.SZ   深圳
3  000005.SZ   深圳

# 如何读入前N行数据 nrows=None
pd.read_csv(path)
     ts_code  symbol  name area industry  list_date
0  000001.SZ       1  平安银行   深圳       银行   19910403
1  000002.SZ       2   万科A   深圳     全国地产   19910129
2  000004.SZ       4  ST国华   深圳     软件服务   19910114
3  000005.SZ       5  ST星源   深圳     环境保护   19901210
pd.read_csv(path, nrows=2)
     ts_code  symbol  name area industry  list_date
0  000001.SZ       1  平安银行   深圳       银行   19910403
1  000002.SZ       2   万科A   深圳     全国地产   19910129

# 如何跳过前N行数据 skiprows=None
pd.read_csv(path, skiprows=2)
   000002.SZ  000002   万科A  深圳  全国地产  19910129
0  000004.SZ       4  ST国华  深圳  软件服务  19910114
1  000005.SZ       5  ST星源  深圳  环境保护  19901210

# 如何指定数据类型 dtype=None
pd.read_csv(path, dtype={"list_date": "str"}).info()

RangeIndex: 4 entries, 0 to 3
Data columns (total 6 columns):
 #   Column     Non-Null Count  Dtype 
---  ------     --------------  ----- 
 0   ts_code    4 non-null      object
 1   symbol     4 non-null      int64 
 2   name       4 non-null      object
 3   area       4 non-null      object
 4   industry   4 non-null      object
 5   list_date  4 non-null      object
dtypes: int64(1), object(5)
memory usage: 320.0+ bytes

# 如何读入时进行数据运算 converters=None
pd.read_csv(path, converters={"ts_code": lambda code: code[:6]})
  ts_code  symbol  name area industry  list_date
0  000001       1  平安银行   深圳       银行   19910403
1  000002       2   万科A   深圳     全国地产   19910129
2  000004       4  ST国华   深圳     软件服务   19910114
3  000005       5  ST星源   深圳     环境保护   19901210

# 如何读入时对日期时间列进行转换 parse_dates=False
pd.read_csv(path, parse_dates=["list_date"])
     ts_code  symbol  name area industry  list_date
0  000001.SZ       1  平安银行   深圳       银行 1991-04-03
1  000002.SZ       2   万科A   深圳     全国地产 1991-01-29
2  000004.SZ       4  ST国华   深圳     软件服务 1991-01-14
3  000005.SZ       5  ST星源   深圳     环境保护 1990-12-10
pd.read_csv(path, parse_dates=["list_date"]).info()

RangeIndex: 4 entries, 0 to 3
Data columns (total 6 columns):
 #   Column     Non-Null Count  Dtype         
---  ------     --------------  -----         
 0   ts_code    4 non-null      object        
 1   symbol     4 non-null      int64         
 2   name       4 non-null      object        
 3   area       4 non-null      object        
 4   industry   4 non-null      object        
 5   list_date  4 non-null      datetime64[ns]
dtypes: datetime64[ns](1), int64(1), object(4)
memory usage: 320.0+ bytes

参数解析

# 以下为默认参数
pd.read_csv(
    filepath_or_buffer: Union[str, pathlib.Path, IO[~AnyStr]],   #文件路径
    sep=',',    #分割符
    delimiter=None,    #备选分隔符，如果指定该参数，则sep参数失效
    header='infer',    #指定第几行是表头，也就是指定列名行。由于默认参数skip_blank_lines=True，header参数将忽略空行和注释行, 因此header=0表示第一行数据而非文件的第一行
    names=None,    #指定列名，传入列表
    index_col=None,    #指定索引列，可以理解为行名
    usecols=None,    #使用数据的部分列，传需要读入的列名或序号[列名1,列名2],或excel中自带列名ABCD...如“A,B”或"A:D"
    squeeze=False,    #读入数据只一列时转Series对象，默认不转 
    prefix=None,    #指定一个前缀，列名改为 前缀+序号
    mangle_dupe_cols=True,    #当列名有重复时，解析列名将变为X, X.1...，为False时后面重复列名的列会覆盖前列
    dtype=None,    #指定各数据列的数据类型，精准指定可传字典或列表
    engine=None,    #可以选择C或Python，一般不用
    converters=None,    ##对某一列使用Lambda函数，进行某种运算
    true_values=None,    #同false_values一起使用，若在列表中则数据变true
    false_values=None,    #同true_values一起使用，若在列表中数据变false
    skipinitialspace=False,
    skiprows=None,    #跳过前几行，可传列表跳过多行(列名行为第0行),也可以传入Lambda函数如读取偶数行：skiprows=lambda x:x%2==0
    skipfooter=0,    #对应skiprows，跳过后几行
    nrows=None,    #读入前几行
    na_values=None,     #将指定的值更改为NaN，可传列表进行多个替换
    keep_default_na=True,     #默认True,读入空值为NaN，False直接无数据
    na_filter=True,     #空值标记，默认标记空值，False时不标记空值且参数keep_default_na和na_values都会失效
    skip_blank_lines=True,    #不读入空行
    parse_dates=False,    #传入需要进行解析日期列，如日期分三列存放可如下进行解析：parse_dates={"list_date": ["年", "月", "日"]}
    date_parser=None,    #配合parse_dates，对parse_dates参数传入列进行数据转化利用Lambda函数
    keep_date_col=False,    #parse_dates参数可以将多列合并并解析成一个时间列，此时使用该参数可以保留原有时间列
    dayfirst=False,    #如果parse_dates参数可以，会对转换后的日期转换为该月的第一天
    iterator=False,    #是否返回TextFileReader对象，可迭代
    chunksize=None,    #指定块大小，处理大型csv文件时使用，按块读入，返回可迭代TextFileReader对象
    compression='infer',    #指定压缩格式，用于对磁盘数据进行即时解压缩。如果为“infer”，且传入文件路径是以.gz、.bz2、.zip或.xz结尾的字符串，则使用gzip、bz2、zip或xz，否则不进行解压缩。如果使用zip，则ZIP文件必须仅包含一个要读取的数据文件。设置为None将不进行解压缩
    lineterminator=None,    #指定换行符，仅对C解析器有效
    quotechar='"',    #表示引用数据的开始和结束的字符
    escapechar=None,    #传入一个转义符，用于过滤数据中的该转入符
    comment=None,    #注释标识符，忽略每一行传入字符串之后的数据
    encoding=None,    #指定字符集类型，通常指定为'utf-8')