python 读取CSV 文件

1. python 读取CSV 文件

 读取一个CSV 文件
   最全的
   一个简化版本
    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类型包括：http, ftp, s3和文件。对于多文件正在准备中
   本地文件读取实例：://localhost/path/to/table.csv
   **sep **: str, default ‘,’
   指定分隔符。如果不指定参数，则会尝试使用逗号分隔。分隔符长于一个字符并且不是‘\s+’,将使用python的语法分析器。并且忽略数据中的逗号。正则表达式例子：'\r\t'
   **delimiter **: str, default None
   定界符，备选分隔符（如果指定该参数，则sep参数失效）
    delim_whitespace  : boolean, default False.
   指定空格(例如’ ‘或者’ ‘)是否作为分隔符使用，等效于设定sep='\s+'。如果这个参数设定为Ture那么delimiter 参数失效。
   在新版本0.18.1支持
    header  : int or list of ints, default ‘infer’
   指定行数用来作为列名，数据开始行数。如果文件中没有列名，则默认为0，否则设置为None。如果明确设定header=0 就会替换掉原来存在列名。header参数可以是一个list例如：[0,1,3]，这个list表示将文件中的这些行作为列标题（意味着每一列有多个标题），介于中间的行将被忽略掉。
   注意：如果skip_blank_lines=True 那么header参数忽略注释行和空行，所以header=0表示第一行数据而不是文件的第一行。
   **names **: array-like, default None
   用于结果的列名列表，如果数据文件中没有列标题行，就需要执行header=None。默认列表中不能出现重复，除非设定参数mangle_dupe_cols=True。
    index_col  : int or sequence or False, default None
   用作行索引的列编号或者列名，如果给定一个序列则有多个行索引。
   如果文件不规则，行尾有分隔符，则可以设定index_col=False 来是的pandas不适用第一列作为行索引。
    usecols  : array-like, default None
   返回一个数据子集，该列表中的值必须可以对应到文件中的位置（数字可以对应到指定的列）或者是字符传为文件中的列名。例如：usecols有效参数可能是 [0,1,2]或者是 [‘foo’, ‘bar’, ‘baz’]。使用这个参数可以加快加载速度并降低内存消耗。
    as_recarray  : boolean, default False
   不赞成使用：该参数会在未来版本移除。请使用pd.read_csv(...).to_records()替代。
   返回一个Numpy的recarray来替代DataFrame。如果该参数设定为True。将会优先squeeze参数使用。并且行索引将不再可用，索引列也将被忽略。
   **squeeze **: boolean, default False
   如果文件值包含一列，则返回一个Series
   **prefix **: str, default None
   在没有列标题时，给列添加前缀。例如：添加‘X’ 成为 X0, X1, ...
   **mangle_dupe_cols **: boolean, default True
   重复的列，将‘X’...’X’表示为‘X.0’...’X.N’。如果设定为false则会将所有重名列覆盖。
    dtype  : Type name or dict of column -> type, default None
   每列数据的数据类型。例如 {‘a’: 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。可以选择C或者是python。C引擎快但是Python引擎功能更加完备。
    converters  : dict, default None
   列转换函数的字典。key可以是列名或者列的序号。
    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（默认为False，即不忽略）.
    skiprows  : list-like or integer, default None
   需要忽略的行数（从文件开始处算起），或需要跳过的行号列表（从0开始）。
    skipfooter  : int, default 0
   从文件尾部开始忽略。 (c引擎不支持)
    skip_footer  : int, default 0
   不推荐使用：建议使用skipfooter ，功能一样。
    nrows  : int, default None
   需要读取的行数（从文件头开始算起）。
    na_values  : scalar, str, list-like, or dict, default None
   一组用于替换NA/NaN的值。如果传参，需要制定特定列的空值。默认为‘1.#IND’, ‘1.#QNAN’, ‘N/A’, ‘NA’, ‘NULL’, ‘NaN’, ‘nan’`.
   **keep_default_na **: bool, default True
   如果指定na_values参数，并且keep_default_na=False，那么默认的NaN将被覆盖，否则添加。
   **na_filter **: boolean, default True
   是否检查丢失值（空字符串或者是空值）。对于大文件来说数据集中没有空值，设定na_filter=False可以提升读取速度。
    verbose  : boolean, default False
   是否打印各种解析器的输出信息，例如：“非数值列中缺失值的数量”等。
    skip_blank_lines  : boolean, default True
   如果为True，则跳过空行；否则记为NaN。
   **parse_dates **: boolean or list of ints or names or list of lists or dict, default False
    infer_datetime_format  : boolean, default False
   如果设定为True并且parse_dates 可用，那么pandas将尝试转换为日期类型，如果可以转换，转换方法并解析。在某些情况下会快5~10倍。
   **keep_date_col **: boolean, default False
   如果连接多列解析日期，则保持参与连接的列。默认为False。
    date_parser  : function, default None
   用于解析日期的函数，默认使用dateutil.parser.parser来做转换。Pandas尝试使用三种不同的方式解析，如果遇到问题则使用下一种方式。
   1.使用一个或者多个arrays（由parse_dates指定）作为参数；
   2.连接指定多列字符串作为一个列作为参数；
   3.每行调用一次date_parser函数来解析一个或者多个字符串（由parse_dates指定）作为参数。
   **dayfirst **: boolean, default False
   DD/MM格式的日期类型
   **iterator **: boolean, default False
   返回一个TextFileReader 对象，以便逐块处理文件。
    chunksize  : int, default None
   文件块的大小，  See IO Tools docs for more information on iterator and chunksize.
    compression  : {‘infer’, ‘gzip’, ‘bz2’, ‘zip’, ‘xz’, None}, default ‘infer’
   直接使用磁盘上的压缩文件。如果使用infer参数，则使用 gzip, bz2, zip或者解压文件名中以‘.gz’, ‘.bz2’, ‘.zip’, or ‘xz’这些为后缀的文件，否则不解压。如果使用zip，那么ZIP包中国必须只包含一个文件。设置为None则不解压。
   新版本0.18.1版本支持zip和xz解压
    thousands  : str, default None
   千分位分割符，如“，”或者“."
    decimal  : str, default ‘.’
   字符中的小数点 (例如：欧洲数据使用’，‘).
    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
   引号，用作标识开始和解释的字符，引号内的分割符将被忽略。
    quoting  : int or csv.QUOTE_* instance, default 0
   控制csv中的引号常量。可选 QUOTE_MINIMAL (0), QUOTE_ALL (1), QUOTE_NONNUMERIC (2) or QUOTE_NONE (3)
    doublequote  : boolean, default True
   双引号，当单引号已经被定义，并且quoting 参数不是QUOTE_NONE的时候，使用双引号表示引号内的元素作为一个元素使用。
    escapechar  : str (length 1), default None
   当quoting 为QUOTE_NONE时，指定一个字符使的不受分隔符限值。
    comment  : str, default None
   标识着多余的行不被解析。如果该字符出现在行首，这一行将被全部忽略。这个参数只能是一个字符，空行（就像skip_blank_lines=True）注释行被header和skiprows忽略一样。例如如果指定comment='#' 解析‘#empty\na,b,c\n1,2,3’ 以header=0 那么返回结果将是以’a,b,c'作为header。
    encoding  : str, default None
   指定字符集类型，通常指定为'utf-8'.  List of Python standard encodings 
    dialect  : str or csv.Dialect instance, default None
   如果没有指定特定的语言，如果sep大于一个字符则忽略。具体查看csv.Dialect 文档
    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，那么默认不会返回DataFrame ，如果设置成false，那么会将改行剔除（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”将会被输出（只能在C解析器下使用）。
   **low_memory **: boolean, default True
   分块加载到内存，再低内存消耗中解析。但是可能出现类型混淆。确保类型不被混淆需要设置为False。或者使用dtype 参数指定类型。注意使用chunksize 或者iterator 参数分块读入会将整个文件读入到一个Dataframe，而忽略类型（只能在C解析器中有效）
   **buffer_lines **: int, default None
   不推荐使用，这个参数将会在未来版本移除，因为他的值在解析器中不推荐使用
    compact_ints  : boolean, default False
   不推荐使用，这个参数将会在未来版本移除
   如果设置compact_ints=True ，那么任何有整数类型构成的列将被按照最小的整数类型存储，是否有符号将取决于use_unsigned 参数
    use_unsigned  : boolean, default False
   不推荐使用：这个参数将会在未来版本移除
   如果整数列被压缩(i.e. compact_ints=True)，指定被压缩的列是有符号还是无符号的。
    memory_map  : boolean, default False
   如果使用的文件在内存内，那么直接map文件使用。使用这种方式可以避免文件再次进行IO操作。
   ref：    http://pandas.pydata.org/pandas-docs/stable/generated/pandas.read_csv.html 

2. 「Python学习进阶」读取csv文件