标签：None False 21 read 默认 2020 pd csv True
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,
skip_footer=0, doublequote=True, delim_whitespace=False, as_recarray=None,
compact_ints=None, use_unsigned=None, low_memory=True, buffer_lines=None,
memory_map=False, float_precision=None)
相应的解释：
filepath_or_buffer : 路径 URL 可以是http, ftp, s3, 和 file.
sep: 指定分割符，默认是’,’C引擎不能自动检测分隔符，但Python解析引擎可以
delimiter: 同sep
delimiter_whitespace: True or False 默认False, 用空格作为分隔符等价于spe=’\s+’如果该参数被调用，则delimite不会起作用
header: 指定第几行作为列名(忽略注解行)，如果没有指定列名，默认header=0; 如果指定了列名header=None
names 指定列名，如果文件中不包含header的行，应该显性表示header=None
index_col: 默认为None 用列名作为DataFrame的行标签，如果给出序列，则使用MultiIndex。如果读取某文件,该文件每行末尾都有带分隔符，考虑使用index_col=False使panadas不用第一列作为行的名称。
usecols： 默认None 可以使用列序列也可以使用列名，如 [0, 1, 2] or [‘foo’, ‘bar’, ‘baz’]，选取的列
as_recarray：默认False , 将读入的数据按照numpy array的方式存储，0.19.0版本后使用 pd.read_csv(…).to_records()。 注意，这种方式读入的na数据不是显示na,而是给以个莫名奇妙的值
squeeze: 默认为False, True的情况下返回的类型为Series
prefix:默认为none, 当header =None 或者没有header的时候有效，例如’x’ 列名效果 X0, X1, …
mangle_dupe_cols ：默认为True,重复的列将被指定为’X.0’…’X.N’，而不是’X’…’X’。如果传入False，当列中存在重复名称，则会导致数据被覆盖。
dtype: E.g. {‘a’: np.float64, ‘b’: np.int32} 指定数据类型
engine: {‘c’, ‘python’}, optional 选择读取的引擎目前来说C更快，但是Python的引擎有更多选择的操作
skipinitialspace: 忽略分隔符后的空格,默认false,
skiprows: list-like or integer or callable, default None 忽略某几行或者从开始算起的几行
skipfooter: 从底端算起的几行，不支持C引擎
nrows： int 读取的行数
na_values: 默认None NaN包含哪些情况，默认情况下, ‘#N/A’, ‘#N/A N/A’, ‘#NA’, ‘-1.#IND’, ‘-1.#QNAN’, ‘-NaN’, ‘-nan’, ‘1.#IND’, ‘1.#QNAN’, ‘N/A’, ‘NA’, ‘NULL’, ‘NaN’, ‘n/a’, ‘nan’, ‘null’. 都表现为NAN
keep_default_na: 如果na_values被定义,keep_default_na为False那么默认的NAN会被改写。 默认为True
na_filter: 默认为True, 针对没有NA的文件，使用na_filter=false能够提高读取效率
skip_blank_lines 默认为True,跳过blank lines 而且不是定义为NAN
thousands 千分位符号，默认‘，’
decimal 小数点符号，默认‘.’
encoding: 编码方式
memory_map如果为filepath_or_buffer提供了文件路径，则将文件对象直接映射到内存上，并直接从那里访问数据。使用此选项可以提高性能，因为不再有任何I / O开销。
low_memory 默认为True 在块内部处理文件，导致分析时内存使用量降低，但可能数据类型混乱。要确保没有混合类型设置为False，或者使用dtype参数指定类型。请注意，不管怎样，整个文件都读入单个DataFrame中，请使用chunksize或iterator参数以块形式返回数据。 （仅在C语法分析器中有效）
（常用的为加粗部分）
举例
读取csv文件的某一列或某几列
| 时间 | 排名 | 热搜内容 | 地域 | 主题 | 上榜时间 | 最后时间 |
|---|---|---|---|---|---|---|
| 2020/2/21 12:00 | 1 | 韩国确认发生超级传播 | 国外-韩国 | 疫情-新增 | 2020/2/21 17:26 | 2020/2/21 7:46 |
| 2020/2/21 12:00 | 2 | 周琪 新冠病毒不能通过皮肤侵入人体 | 国内 | 专家-周琪 | 2020/2/21 16:38 | 2020/2/21 11:22 |
| 2020/2/21 12:00 | 3 | 延迟婚期的武汉医生感染离世 | 国内-湖北-武汉 | 医护-去世 | 2020/2/21 16:52 | 2020/2/21 16:52 |
| 2020/2/21 12:00 | 4 | 山东省司法厅厅长被免职 | 国内-山东 | 政府-免职、政府-问责 | 2020/2/21 16:28 | 2020/2/21 10:34 |
| 2020/2/21 12:00 | 5 | 湖北以外地区新增病例出现反弹 | 国内 | 疫情-新增 | 2020/2/21 17:58 | 2020/2/21 10:12 |
| 2020/2/21 12:00 | 6 | 疫苗最快4月下旬申报临床试验 | 国内 | 疫情-疫苗 | 2020/2/21 16:02 | 2020/2/21 11:06 |
| 2020/2/21 12:00 | 8 | 青海新冠肺炎确诊患者清零 | 国内-青海 | 疫情-减少 | 2020/2/21 17:54 | 2020/2/21 11:04 |
| 2020/2/21 12:00 | 11 | 武汉训斥医护人员患者被停职检查 | 国内-湖北-武汉 | 政府-免职 | 2020/2/21 14:58 | 2020/2/21 8:22 |
| 2020/2/21 12:00 | 12 | 日本累计确诊728例新冠肺炎 | 国外-日本 | 疫情-新增 | 2020/2/21 13:46 | 2020/2/21 7:12 |
数据的格式如上，共计有896条数据。
现在为了供提取出‘热搜内容’这一栏目的内容用于进一步的处理，需要用到如下语句：
filename='weibo.csv'
names='热搜内容'
f1=pd.read_csv(filename,usecols=[names])
print(f1)
输出情况：
如此，使用usecols来提取出对应列的数据，方便更进一步的处理。
标签：None,False,21,read,默认,2020,pd,csv,True 来源： https://www.cnblogs.com/TIMON123/p/16127133.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。