pandas21 读csv文件read_csv(1.文本读写概要)(详细 tcy)
发布日期:2021-06-29 14:48:22
浏览次数:3
分类:技术文章
本文共 3768 字,大约阅读时间需要 12 分钟。
文本文件读写
目录:第1部分:csv文本文件读写 pandas 读csv文件read_csv(1.文本读写概要)https://mp.csdn.net/postedit/85289371 pandas 读csv文件read_csv(2.read_csv参数介绍)https://mp.csdn.net/postedit/85289928 pandas 读csv文件read_csv(3.dtypes指定列数据类型)https://mp.csdn.net/postedit/85290575 pandas 读csv文件read_csv(4.to_csv文本数据写)https://mp.csdn.net/postedit/85290962 pandas 读csv文件read_csv(5.文本数据读写实例)https://mp.csdn.net/postedit/85291123 pandas 读csv文件read_csv(6.命名和使用列)https://mp.csdn.net/postedit/85291430 pandas 读csv文件read_csv(7.索引)https://mp.csdn.net/postedit/85291658 pandas 读csv文件read_csv(8.方言和分隔符)https://mp.csdn.net/postedit/85291994 pandas 读csv文件read_csv(9.浮点转换和NA值)https://mp.csdn.net/postedit/85292391 pandas 读csv文件read_csv(10.注释和空行)https://mp.csdn.net/postedit/85292609 pandas 读csv文件read_csv(11.日期时间处理) https://mp.csdn.net/postedit/85292925 pandas 读csv文件read_csv(12.迭代和块)https://mp.csdn.net/postedit/85293639 pandas 读csv文件read_csv(13.read_fwf读固定宽度数据)https://mp.csdn.net/postedit/85294010 第2部分: pandas hdf文件读写简要https://mp.csdn.net/postedit/85294299 pandas excel读写简要https://mp.csdn.net/postedit/85294545 第3部分: python中csv模块用法tcy https://mp.csdn.net/postedit/85228189 pandas读csv文件read_csv错误解决办法7种https://mp.csdn.net/postedit/85228808 pandas to_string用法https://mp.csdn.net/postedit/85294935
1.pandas 中IO工具 2018/12/25
Format Type | Data Description | Reader | Writer |
text | CSV | read_csv | to_csv |
text | JSON | read_json | to_json |
text | HTML | read_html | to_html |
text | Local clipboard | read_clipboard | to_clipboard |
binary | MS Excel | read_excel | to_excel |
binary | HDF5 Format | read_hdf | to_hdf |
binary | Feather Format | read_feather | to_feather |
binary | Parquet Format | read_parquet | to_parquet |
binary | Msgpack | read_msgpack | to_msgpack |
binary | Stata | read_stata | to_stata |
binary | SAS | read_sas |
|
binary | Python Pickle Format | read_pickle | to_pickle |
SQL | SQL | read_sql | to_sql |
SQL | Google Big Query | read_gbq | to_gbq |
2.1下面重点介绍read_csv和to_csv文本读写
pd.read_csv(filepath_or_buffer, sep=',', delimiter=None, header='infer', names=None, index_col=None, usecols=None, squeeze=False, prefix=None, mangle_dupe_cols=True, dtype=None, engine=None, converters=None, true_values=None, false_values=None, skipinitialspace=False, skiprows=None, nrows=None, na_values=None, keep_default_na=True, na_filter=True, verbose=False, skip_blank_lines=True, parse_dates=False, infer_datetime_format=False, keep_date_col=False, date_parser=None, dayfirst=False, iterator=False, chunksize=None, compression='infer', thousands=None, decimal=b'.', lineterminator=None, quotechar='"', quoting=0, escapechar=None, comment=None, encoding=None, dialect=None, tupleize_cols=None, error_bad_lines=True, warn_bad_lines=True, skipfooter=0, doublequote=True, delim_whitespace=False, low_memory=True, memory_map=False, float_precision=None) # 读划界的数据pd.read_table(filepath_or_buffer, sep='\t', ...) # 读划界的数据pd.read_fwf(filepath_or_buffer, colspecs='infer', widths=None, **kwds) # 读固定宽度数据 df.to_csv(path_or_buf=None, sep=',', na_rep='', float_format=None, columns=None, header=True, index=True, index_label=None, mode='w', encoding=None, compression=None, quoting=None, quotechar='"', line_terminator='\n', chunksize=None, tupleize_cols=None, date_format=None, doublequote=True, escapechar=None, decimal='.') # 写带分隔符数据
2.2函数的选项: 1.索引:将一个或多个列当做返回的DataFrame处理,以及是否从文件、用户获取列名。2.类型推断和数据转换: 包括用户定义值的转换、缺失值标记列表等。3.日期解析:包括组合功能,比如将分散在多个列中的日期时间信息组合成结果中的单个列。4.选代:支持对大文件进行逐块选代。5.不规整数据问题:跳过一些行、页脚、注释或其他一些不重要的东西(比如由成千上万个逗号隔开的数值数据)6.导入:from io import StringIOpd.io.common.StringIO
3.查看文件数据:
!type file_data.csv #windows查看文件数据内容
3.手工处理分隔符格式
大部分存储在磁盘上的表格型数据都能用pandas.read_table进行加载。然而,有时还是需要做一些手工处理。由于接收到含有畸形行的文件而使read_table出毛病的情况并不少见。为了说明这些基本工具,看看csv文件
转载地址:https://chunyou.blog.csdn.net/article/details/85289371 如侵犯您的版权,请留言回复原文章的地址,我们会给您删除此文章,给您带来不便请您谅解!
发表评论
最新留言
初次前来,多多关照!
[***.217.46.12]2024年04月10日 20时18分37秒
关于作者
喝酒易醉,品茶养心,人生如梦,品茶悟道,何以解忧?唯有杜康!
-- 愿君每日到此一游!
推荐文章
利用MySQL进行数据复杂查询(2)
2019-04-29
MySQL 表与表之间的关系
2019-04-29
MySQL常见错误总结
2019-04-29
pymysql 的基础应用
2019-04-29
Python 管理程序改进——连接MYSQL
2019-04-29
Python 爬虫-豆瓣影星图片下载
2019-04-29
网页端数据库操作界面—主题函数文件
2019-04-29
网页端数据库操作界面-Html页面(1)
2019-04-29
Python爬虫 百度热搜热点
2019-04-29
excel的常用函数(二)
2019-04-29
excel文本函数
2019-04-29
电商大战二十年
2019-04-29
编程程软件测试思维方式:如何科学制定测试计划
2019-04-29
BLE蓝牙4.0串口调试助手
2019-04-29
树莓派WIFI设置
2019-04-29
nanopi2 启动信息
2019-04-29
phpstudy https
2019-04-29
Linux下EasyPanel版本安装及升级
2019-04-29