导入数据 - pd.read_csv() - 读CSV文件

csv读取总结

1: 基本读取

• 描述：读取 CSV 文件并将其内容转换为 DataFrame。
• 代码：

  import pandas as pd
  df = pd.read_csv('data.csv')
  print(df.head())

• 结果：输出数据集的前 5 行。

2: 指定分隔符

• 描述：使用非逗号分隔符读取 CSV 文件。
• 代码：

  df = pd.read_csv('data.tsv', sep='\t')
  print(df.head())

• 结果：输出使用制表符分隔的 CSV 文件的前 5 行。

3: 忽略首行

• 描述：忽略 CSV 文件的标题行。
• 代码：

  df = pd.read_csv('data.csv', header=None)
  print(df.head())

• 结果：输出不包含标题行的数据集的前 5 行。

4: 指定列名

• 描述：为没有列名的 CSV 文件指定列名。
• 代码：

  names = ['Name', 'Age', 'Gender']
  df = pd.read_csv('data.csv', names=names)
  print(df.head())

• 结果：输出包含指定列名的数据集的前 5 行。

5: 跳过错误行

• 描述：跳过 CSV 文件中的空行或格式错误的行。
• 代码：

  df = pd.read_csv('data.csv', skiprows=1, skip_blank_lines=True)
  print(df.head())

• 结果：跳过第一行和空行后的数据集的前 5 行。

6: 指定列的数据类型

• 描述：指定 CSV 文件中某些列的数据类型。
• 代码：

  dtypes = {'Age': int, 'Gender': 'category'}
  df = pd.read_csv('data.csv', dtype=dtypes)
  print(df.head())

• 结果：输出指定数据类型列的数据集的前 5 行。

7: 使用索引列

• 描述：使用 CSV 文件中的一列作为 DataFrame 的索引。
• 代码：

  df = pd.read_csv('data.csv', index_col='Name')
  print(df.head())

• 结果：输出以 ‘Name’ 列作为索引的数据集的前 5 行。

8: 处理日期列

• 描述：将 CSV 文件中的日期列解析为日期时间对象。
• 代码：

  df = pd.read_csv('data.csv', parse_dates=['Date'])
  print(df.head())

• 结果：输出日期列被解析为日期时间对象的数据集的前 5 行。

9: 限定读取行数

• 描述：只读取 CSV 文件的前 N 行。
• 代码：

  df = pd.read_csv('data.csv', nrows=10)
  print(df.head())

• 结果：输出数据集的前 10 行。

10: 合并多个 CSV 文件

• 描述：读取同一目录下的所有 CSV 文件并合并为一个 DataFrame。
• 代码：

  import glob
  files = glob.glob('data/*.csv')
  dfs = [pd.read_csv(file) for file in files]
  df = pd.concat(dfs)
  print(df.head())

• 结果：输出合并后的数据集的前 5 行。

11: 自动检测编码：

Pandas没有内置的自动检测编码的功能，但是你可以手动尝试使用Python的chardet库来检测文件的编码：

import chardet
with open('file_path.csv', 'rb') as f:
    result = chardet.detect(f.read())  # 检测编码
    encoding = result['encoding']
df = pd.read_csv('file_path.csv', encoding=encoding)

12:在读取时忽略错误字符

以utf-8读取csv文件，在读取时忽略错误字符

df = pd.read_csv('data.csv', encoding='utf-8', errors='ignore')