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')