導讀
主要利用pandas.read_csv接口對csv格式檔案或txt檔案進行讀取,由于CSV格式檔案使用非常頻繁,功能強大,參數衆多,是以在這裡專門做詳細介紹
使用示例
# 基礎用法
import pandas as pd
pd.read_csv(path)
ts_code symbol name area industry list_date
0 000001.SZ 1 平安銀行 深圳 銀行 19910403
1 000002.SZ 2 萬科A 深圳 全國地産 19910129
2 000004.SZ 4 ST國華 深圳 軟體服務 19910114
3 000005.SZ 5 ST星源 深圳 環境保護 19901210
4 000006.SZ 6 深振業A 深圳 區域地産 19920427
# 如何指定字元集類型 encoding=None
pd.read_csv(path, encoding="utf8")
# 如何指定表頭/列名行 header=0
pd.read_csv(path)
# 作者是archie
ts_code symbol name area industry list_date
000001.SZ 000001 平安銀行 深圳 銀行 19910403
000002.SZ 000002 萬科A 深圳 全國地産 19910129
000004.SZ 000004 ST國華 深圳 軟體服務 19910114
000005.SZ 000005 ST星源 深圳 環境保護 19901210
pd.read_csv(path, header=1)
ts_code symbol name area industry list_date
0 000001.SZ 1 平安銀行 深圳 銀行 19910403
1 000002.SZ 2 萬科A 深圳 全國地産 19910129
2 000004.SZ 4 ST國華 深圳 軟體服務 19910114
3 000005.SZ 5 ST星源 深圳 環境保護 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/平安銀行/深圳/銀行/19910403
1 000002.SZ/000002/萬科A/深圳/全國地産/19910129
2 000004.SZ/000004/ST國華/深圳/軟體服務/19910114
3 000005.SZ/000005/ST星源/深圳/環境保護/19901210
pd.read_csv(path, sep='/')
ts_code symbol name area industry list_date
0 000001.SZ 1 平安銀行 深圳 銀行 19910403
1 000002.SZ 2 萬科A 深圳 全國地産 19910129
2 000004.SZ 4 ST國華 深圳 軟體服務 19910114
3 000005.SZ 5 ST星源 深圳 環境保護 19901210
# 如何自定義列名 names=None
pd.read_csv(path)
000001.SZ 000001 平安銀行 深圳 銀行 19910403
0 000002.SZ 2 萬科A 深圳 全國地産 19910129
1 000004.SZ 4 ST國華 深圳 軟體服務 19910114
2 000005.SZ 5 ST星源 深圳 環境保護 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 平安銀行 深圳 銀行 19910403
1 000002.SZ 2 萬科A 深圳 全國地産 19910129
2 000004.SZ 4 ST國華 深圳 軟體服務 19910114
3 000005.SZ 5 ST星源 深圳 環境保護 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 平安銀行 深圳 銀行 19910403
1 000002.SZ 2 萬科A 深圳 全國地産 19910129
2 000004.SZ 4 ST國華 深圳 軟體服務 19910114
3 000005.SZ 5 ST星源 深圳 環境保護 19901210
pd.read_csv(path, index_col="ts_code")
symbol name area industry list_date
ts_code
000001.SZ 1 平安銀行 深圳 銀行 19910403
000002.SZ 2 萬科A 深圳 全國地産 19910129
000004.SZ 4 ST國華 深圳 軟體服務 19910114
000005.SZ 5 ST星源 深圳 環境保護 19901210
# 如何讀入指定列資料 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
# 如何讀入前N行資料 nrows=None
pd.read_csv(path)
ts_code symbol name area industry list_date
0 000001.SZ 1 平安銀行 深圳 銀行 19910403
1 000002.SZ 2 萬科A 深圳 全國地産 19910129
2 000004.SZ 4 ST國華 深圳 軟體服務 19910114
3 000005.SZ 5 ST星源 深圳 環境保護 19901210
pd.read_csv(path, nrows=2)
ts_code symbol name area industry list_date
0 000001.SZ 1 平安銀行 深圳 銀行 19910403
1 000002.SZ 2 萬科A 深圳 全國地産 19910129
# 如何跳過前N行資料 skiprows=None
pd.read_csv(path, skiprows=2)
000002.SZ 000002 萬科A 深圳 全國地産 19910129
0 000004.SZ 4 ST國華 深圳 軟體服務 19910114
1 000005.SZ 5 ST星源 深圳 環境保護 19901210
# 如何指定資料類型 dtype=None
pd.read_csv(path, dtype={"list_date": "str"}).info()
<class 'pandas.core.frame.DataFrame'>
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
# 如何讀入時進行資料運算 converters=None
pd.read_csv(path, converters={"ts_code": lambda code: code[:6]})
ts_code symbol name area industry list_date
0 000001 1 平安銀行 深圳 銀行 19910403
1 000002 2 萬科A 深圳 全國地産 19910129
2 000004 4 ST國華 深圳 軟體服務 19910114
3 000005 5 ST星源 深圳 環境保護 19901210
# 如何讀入時對日期時間列進行轉換 parse_dates=False
pd.read_csv(path, parse_dates=["list_date"])
ts_code symbol name area industry list_date
0 000001.SZ 1 平安銀行 深圳 銀行 1991-04-03
1 000002.SZ 2 萬科A 深圳 全國地産 1991-01-29
2 000004.SZ 4 ST國華 深圳 軟體服務 1991-01-14
3 000005.SZ 5 ST星源 深圳 環境保護 1990-12-10
pd.read_csv(path, parse_dates=["list_date"]).info()
<class 'pandas.core.frame.DataFrame'>
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
參數解析
# 以下為預設參數
pd.read_csv(
filepath_or_buffer: Union[str, pathlib.Path, IO[~AnyStr]], #檔案路徑
sep=',', #分割符
delimiter=None, #備選分隔符,如果指定該參數,則sep參數失效
header='infer', #指定第幾行是表頭,也就是指定列名行。由于預設參數skip_blank_lines=True,header參數将忽略空行和注釋行, 是以header=0表示第一行資料而非檔案的第一行
names=None, #指定列名,傳入清單
index_col=None, #指定索引列,可以了解為行名
usecols=None, #使用資料的部分列,傳需要讀入的列名或序号[列名1,列名2],或excel中自帶列名ABCD...如“A,B”或"A:D"
squeeze=False, #讀入資料隻一列時轉Series對象,預設不轉
prefix=None, #指定一個字首,列名改為 字首+序号
mangle_dupe_cols=True, #當列名有重複時,解析列名将變為X, X.1...,為False時後面重複列名的列會覆寫前列
dtype=None, #指定各資料列的資料類型,精準指定可傳字典或清單
engine=None, #可以選擇C或Python,一般不用
converters=None, ##對某一列使用Lambda函數,進行某種運算
true_values=None, #同false_values一起使用,若在清單中則資料變true
false_values=None, #同true_values一起使用,若在清單中資料變false
skipinitialspace=False,
skiprows=None, #跳過前幾行,可傳清單跳過多行(列名行為第0行),也可以傳入Lambda函數如讀取偶數行:skiprows=lambda x:x%2==0
skipfooter=0, #對應skiprows,跳過後幾行
nrows=None, #讀入前幾行
na_values=None, #将指定的值更改為NaN,可傳清單進行多個替換
keep_default_na=True, #預設True,讀入空值為NaN,False直接無資料
na_filter=True, #空值标記,預設标記空值,False時不标記空值且參數keep_default_na和na_values都會失效
skip_blank_lines=True, #不讀入空行
parse_dates=False, #傳入需要進行解析日期列,如日期分三列存放可如下進行解析:parse_dates={"list_date": ["年", "月", "日"]}
date_parser=None, #配合parse_dates,對parse_dates參數傳入列進行資料轉化利用Lambda函數
keep_date_col=False, #parse_dates參數可以将多列合并并解析成一個時間列,此時使用該參數可以保留原有時間列
dayfirst=False, #如果parse_dates參數可以,會對轉換後的日期轉換為該月的第一天
iterator=False, #是否傳回TextFileReader對象,可疊代
chunksize=None, #指定塊大小,處理大型csv檔案時使用,按塊讀入,傳回可疊代TextFileReader對象
compression='infer', #指定壓縮格式,用于對磁盤資料進行即時解壓縮。如果為“infer”,且傳入檔案路徑是以.gz、.bz2、.zip或.xz結尾的字元串,則使用gzip、bz2、zip或xz,否則不進行解壓縮。如果使用zip,則ZIP檔案必須僅包含一個要讀取的資料檔案。設定為None将不進行解壓縮
lineterminator=None, #指定換行符,僅對C解析器有效
quotechar='"', #表示引用資料的開始和結束的字元
escapechar=None, #傳入一個轉義符,用于過濾資料中的該轉入符
comment=None, #注釋辨別符,忽略每一行傳入字元串之後的資料
encoding=None, #指定字元集類型,通常指定為'utf-8')