Python Pandas讀取csv/tsv文件（read_csv，read_table）的區別
前言
要將csv和tsv文件讀取為pandas.DataFrame格式，可以使用Pandas的函數read_csv（）或read_table（）。
在此
- read_csv（）和read_table（）之間的區別
- 讀取沒有標題的CSV
- 讀取有標題的CSV
- 讀取有index的CSV
- 指定（選擇）要讀取的列
- 跳過（排除）行的讀取
- 通過指定類型dtype進行讀取
- NaN缺失值的處理
- 讀取使用zip等壓縮的文件
- tsv的讀取
對以上的內容進行說明。
read_csv（）和read_table（）之間的區別
函數pd.read_csv（）和pd.read_table（）的內容相同，隻是默認分隔符不同。
在read_csv（）中，定界符為,，在read_table（）中，定界符為\ t。
查看源代碼，它調用相同的函數。
read_csv = _make_parser_function('read_csv', sep=',')
read_csv = Appender(_read_csv_doc)(read_csv)
read_table = _make_parser_function('read_table', sep='\t')
read_table = Appender(_read_table_doc)(read_table)
如果要讀取csv文件（以逗號分隔），使用函數read_csv（），如果要讀取tsv文件（以制表符分隔），使用函數read_table（）也可以。
如果既不是逗號也不是制表符，則可以通過參數（sep或delimiter）設置區分符。
以下，將使用說明read_csv（），但是對read_table也是如此。
讀取沒有標題的CSV
讀取以下不帶標題的csv文件。
11,12,13,14
21,22,23,24
31,32,33,34
如果未設置任何參數，則將第一行識別為標題並將自動分配列名columns。
df = pd.read_csv('./data/03/sample.csv')
print(df)
# 11 12 13 14
# 0 21 22 23 24
# 1 31 32 33 34
print(df.columns)
# Index(['11', '12', '13', '14'], dtype='object')
如果header = None，則將為列名列分配一個序號。
df_none = pd.read_csv('./data/03/sample.csv', header=None)
print(df_none)
# 0 1 2 3
# 0 11 12 13 14
# 1 21 22 23 24
# 2 31 32 33 34
可以將任意值設置為列名，參數為name=（‘A’，‘B’，‘C’，‘D’）。通過列表或元組指定。
df_names = pd.read_csv('./data/03/sample.csv', names=('A', 'B', 'C', 'D'))
print(df_names)
# A B C D
# 0 11 12 13 14
# 1 21 22 23 24
# 2 31 32 33 34
讀取有標題的CSV
讀取以下帶標頭的csv文件。
a,b,c,d
11,12,13,14
21,22,23,24
31,32,33,34
指定標題的行號從0開始，例如header = 0。由於默認值為header = 0，因此如果第一行是header，則可以獲得相同的結果。
df_header = pd.read_csv('./data/03/sample_header.csv')
print(df_header)
# a b c d
# 0 11 12 13 14
# 1 21 22 23 24
# 2 31 32 33 34
df_header_0 = pd.read_csv('./data/03/sample_header.csv', header=0)
print(df_header_0)
# a b c d
# 0 11 12 13 14
# 1 21 22 23 24
# 2 31 32 33 34
使用header進行起始行的讀取指定。
df_header_2 = pd.read_csv('./data/03/sample_header.csv', header=2)
print(df_header_2)
# 21 22 23 24
# 0 31 32 33 34
讀取有index的CSV
讀取以下帶有標題和索引（標題列）的csv文件。
,a,b,c,d ONE,11,12,13,14 TWO,21,22,23,24 THREE,31,32,33,34
如果未指定任何內容，則不會識別索引列。
df_header_index = pd.read_csv('./data/03/sample_header_index.csv')
print(df_header_index)
# Unnamed: 0 a b c d
# 0 ONE 11 12 13 14
# 1 TWO 21 22 23 24
# 2 THREE 31 32 33 34
print(df_header_index.index)
# RangeIndex(start=0, stop=3, step=1)
指定要用作索引的列的列號，從0開始，例如index_col = 0。
df_header_index_col = pd.read_csv('./data/03/sample_header_index.csv',
index_col=0)
print(df_header_index_col)
# a b c d
# ONE 11 12 13 14
# TWO 21 22 23 24
# THREE 31 32 33 34
print(df_header_index_col.index)
# Index(['ONE', 'TWO', 'THREE'], dtype='object')
指定（選擇）要讀取的列
要僅讀取特定的列，請使用usecols參數。 指定要在列表中讀取的列號。即使隻有一列，也要使用列表。
df_none_usecols = pd.read_csv('./data/03/sample.csv',
header=None, usecols=[1, 3])
print(df_none_usecols)
# 1 3
# 0 12 14
# 1 22 24
# 2 32 34
df_none_usecols = pd.read_csv('./data/03/sample.csv',
header=None, usecols=[2])
print(df_none_usecols)
# 2
# 0 13
# 1 23
# 2 33
也可以按列名而不是列號指定。
df_header_usecols = pd.read_csv('./data/03/sample_header.csv',
usecols=['a', 'c'])
print(df_header_usecols)
# a c
# 0 11 13
# 1 21 23
# 2 31 33
在沒有特定列的情況下時，使用匿名函數（lambda表達式）很方便。尤其是當您要從具有許多列的文件中排除少量列並讀取它們時，比指定要讀取的大量列號要容易得多。
df_header_usecols = pd.read_csv('./data/03/sample_header.csv',
usecols=lambda x: x is not 'b')
print(df_header_usecols)
# a c d
# 0 11 13 14
# 1 21 23 24
# 2 31 33 34
df_header_usecols = pd.read_csv('./data/03/sample_header.csv',
usecols=lambda x: x not in ['a', 'c'])
print(df_header_usecols)
# b d
# 0 12 14
# 1 22 24
# 2 32 34
當與index_col一起使用時，由index_col指定的列也必須由usecols指定。
df_index_usecols = pd.read_csv('./data/03/sample_header_index.csv',
index_col=0, usecols=[0, 1, 3])
print(df_index_usecols)
# a c
# ONE 11 13
# TWO 21 23
# THREE 31 33
跳過（排除）行的讀取
skiprows
要跳過（排除）特定行並讀取它們，使用參數skipprows。 如果將整數傳遞給跳過行，那麼將跳過那麼多行的文件開頭。
df_none = pd.read_csv('./data/03/sample.csv', header=None)
print(df_none)
# 0 1 2 3
# 0 11 12 13 14
# 1 21 22 23 24
# 2 31 32 33 34
df_none = pd.read_csv('./data/03/sample.csv', header=None, skiprows=2)
print(df_none)
# 0 1 2 3
# 0 31 32 33 34
可以指定要跳過的行號列表。與usecols不同，指定要跳過的行，而不是要讀取的行。 即使在一行中也要使用列表。
df_none_skiprows = pd.read_csv('./data/03/sample.csv',
header=None, skiprows=[0, 2])
print(df_none_skiprows)
# 0 1 2 3
# 0 21 22 23 24
df_none_skiprows = pd.read_csv('./data/03/sample.csv',
header=None, skiprows=[1])
print(df_none_skiprows)
# 0 1 2 3
# 0 11 12 13 14
# 1 31 32 33 34
僅讀取特定行時，使用匿名函數（lambda表達式）會很方便。特別是當您隻想從文件中讀取多行的特定行時，比指定要跳過的行數要容易得多。
df_none_skiprows = pd.read_csv('./data/03/sample.csv', header=None,
skiprows=lambda x: x not in [0, 2])
print(df_none_skiprows)
# 0 1 2 3
# 0 11 12 13 14
# 1 31 32 33 34
請註意，如果文件具有標題，則還需要考慮標題行。
df_header_skiprows = pd.read_csv('./data/03/sample_header.csv', skiprows=[1])
print(df_header_skiprows)
# a b c d
# 0 21 22 23 24
# 1 31 32 33 34
df_header_skiprows = pd.read_csv('./data/03/sample_header.csv', skiprows=[0, 3])
print(df_header_skiprows)
# 11 12 13 14
# 0 21 22 23 24
請註意，即使指定瞭索引，也無法通過行名指定skipprows。
skipfooter
要跳過文件的末尾，請使用skipfooter參數。將要跳過的行數指定為整數。 根據環境的不同，會出現以下警告，因此請指定參數engine =‘python’。
ParserWarning: Falling back to the 'python' engine because the 'c' engine does not support skipfooter; you can avoid this warning by specifying engine='python'.
df_none_skipfooter = pd.read_csv('./data/03/sample.csv', header=None,
skipfooter=1, engine='python')
print(df_none_skipfooter)
# 0 1 2 3
# 0 11 12 13 14
# 1 21 22 23 24
nrows
也可以隻閱讀前幾行。使用參數nrows。 當想檢查大文件的數據時很有用。
df_none_nrows = pd.read_csv('./data/03/sample.csv', header=None, nrows=2)
print(df_none_nrows)
# 0 1 2 3
# 0 11 12 13 14
# 1 21 22 23 24
通過指定類型dtype進行讀取
在pandas.DataFrame中，為每一列設置類型dtype，可以使用astype（）方法對其進行轉換（轉換）。
以下文件為例。
,a,b,c,d ONE,1,"001",100,x TWO,2,"020",,y THREE,3,"300",300,z
默認情況下，以0開頭的數字序列（無論是否帶引號）都被視為數字，而不是字符串，並且省略前導零。
df_default = pd.read_csv('./data/03/sample_header_index_dtype.csv', index_col=0)
print(df_default)
# a b c d
# ONE 1 1 100.0 x
# TWO 2 20 NaN y
# THREE 3 300 300.0 z
print(df_default.dtypes)
# a int64
# b int64
# c float64
# d object
# dtype: object
print(df_default.applymap(type))
# a b c d
# ONE <class 'int'> <class 'int'> <class 'float'> <class 'str'>
# TWO <class 'int'> <class 'int'> <class 'float'> <class 'str'>
# THREE <class 'int'> <class 'int'> <class 'float'> <class 'str'>
如果要作為包含前導0的字符串進行處理，請指定read_csv（）的參數dtype。
如果在參數dtype中指定瞭任意數據類型，則包括index_col指定的列在內的所有列都將轉換為該類型並讀取。例如，如果dtype = str，則所有列都強制轉換為字符串。但是，同樣在這種情況下，缺少的值是浮點類型。
df_str = pd.read_csv('./data/03/sample_header_index_dtype.csv',
index_col=0,dtype=str)
print(df_str)
# a b c d
# ONE 1 001 100 x
# TWO 2 020 NaN y
# THREE 3 300 300 z
print(df_str.dtypes)
# a object
# b object
# c object
# d object
# dtype: object
print(df_str.applymap(type))
# a b c d
# ONE <class 'str'> <class 'str'> <class 'str'> <class 'str'>
# TWO <class 'str'> <class 'str'> <class 'float'> <class 'str'>
# THREE <class 'str'> <class 'str'> <class 'str'> <class 'str'>
dtype = object也是如此。
df_object = pd.read_csv('./data/03/sample_header_index_dtype.csv',
index_col=0, dtype=object)
print(df_object)
# a b c d
# ONE 1 001 100 x
# TWO 2 020 NaN y
# THREE 3 300 300 z
print(df_object.dtypes)
# a object
# b object
# c object
# d object
# dtype: object
print(df_object.applymap(type))
# a b c d
# ONE <class 'str'> <class 'str'> <class 'str'> <class 'str'>
# TWO <class 'str'> <class 'str'> <class 'float'> <class 'str'>
# THREE <class 'str'> <class 'str'> <class 'str'> <class 'str'>
請註意，在參數dtype中指定無法轉換的類型將導致錯誤。在此示例中，將由index_col指定的字符串的索引列轉換為整數int類型時發生錯誤。
# df_int = pd.read_csv('data/src/sample_header_index_dtype.csv',
# index_col=0, dtype=int)
# ValueError: invalid literal for int() with base 10: 'ONE'
要在讀取後轉換pandas.DataFrame的列類型，請在astype（）方法中以字典格式指定它。
df_str_cast = df_str.astype({'a': int})
print(df_str_cast)
# a b c d
# ONE 1 001 100 x
# TWO 2 020 NaN y
# THREE 3 300 300 z
print(df_str_cast.dtypes)
# a int64
# b object
# c object
# d object
# dtype: object
使用read_csv（）進行讀取時，可以在字典格式中的參數dtype中指定列類型。將自動選擇除指定列以外的其他類型。
df_str_col = pd.read_csv('./data/03/sample_header_index_dtype.csv',
index_col=0, dtype={'b': str, 'c': str})
print(df_str_col)
# a b c d
# ONE 1 001 100 x
# TWO 2 020 NaN y
# THREE 3 300 300 z
print(df_str_col.dtypes)
# a int64
# b object
# c object
# d object
# dtype: object
不僅可以指定列名，還可以指定列號。註意，在指定索引列時，必須指定包括索引列的列號。
df_str_col_num = pd.read_csv('./data/03/sample_header_index_dtype.csv',
index_col=0, dtype={2: str, 3: str})
print(df_str_col_num)
# a b c d
# ONE 1 001 100 x
# TWO 2 020 NaN y
# THREE 3 300 300 z
print(df_str_col_num.dtypes)
# a int64
# b object
# c object
# d object
# dtype: object
NaN缺失值的處理
默認情況下，read_csv（）和read_table（）將某些值視為缺少的NaN。
默認情況下，可能的值（例如空字符串”，字符串“ NaN”，“ nan”和null）通常默認為缺少NaN，如下所示：
By default the following values are interpreted as NaN: ‘', ‘#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'.
以下文件為例檢查操作。
,a,b ONE,,NaN TWO,-,nan THREE,null,N/A
特別是，如果您在默認情況下未設置任何參數而進行讀取，並使用isnull（）方法對其進行瞭檢查，則可以看到除“-”以外的其他非目標均被視為缺失值NaN。
df_nan = pd.read_csv('./data/03/sample_header_index_nan.csv', index_col=0)
print(df_nan)
# a b
# ONE NaN NaN
# TWO - NaN
# THREE NaN NaN
print(df_nan.isnull())
# a b
# ONE True True
# TWO False True
# THREE True True
要指定默認值以外的值，將其視為缺失值，使用參數na_values。
df_nan_set_na = pd.read_csv('./data/03/sample_header_index_nan.csv',
index_col=0, na_values='-')
print(df_nan_set_na)
# a b
# ONE NaN NaN
# TWO NaN NaN
# THREE NaN NaN
print(df_nan_set_na.isnull())
# a b
# ONE True True
# TWO True True
# THREE True True
如果在將參數keep_default_na設置為False之後為參數na_values指定值，則僅將為na_values指定的值視為缺失值。除非在na_values中指定，否則默認值不會被視為缺失值。
df_nan_set_na_no_keep = pd.read_csv('./data/03/sample_header_index_nan.csv',
index_col=0,
na_values=['-', 'NaN', 'null'],
keep_default_na=False)
print(df_nan_set_na_no_keep)
# a b
# ONE NaN
# TWO NaN nan
# THREE NaN N/A
print(df_nan_set_na_no_keep.isnull())
# a b
# ONE False True
# TWO True False
# THREE True False
如果參數na_filter設置為False，則無論參數na_values和keep_default_na的規格如何，所有值都將按原樣讀取，並且不會被視為缺失值。
df_nan_no_filter = pd.read_csv('./data/03/sample_header_index_nan.csv',
index_col=0, na_filter=False)
print(df_nan_no_filter)
# a b
# ONE NaN
# TWO - nan
# THREE null N/A
print(df_nan_no_filter.isnull())
# a b
# ONE False False
# TWO False False
# THREE False False
讀取使用zip等壓縮的文件
也可以按原樣讀取通過zip等壓縮的csv文件。
df_zip = pd.read_csv('./data/03/sample_header.zip')
print(df_zip)
# a b c d
# 0 11 12 13 14
# 1 21 22 23 24
# 2 31 32 33 34
如果擴展名是.gz，.bz2，.zip，.xz，則會自動檢測並擴展。如果擴展名不同，請在compression參數中顯式指定字符串“ gz”，“ bz2”，“ zip”和“ xz”。
請註意，僅限壓縮單個csv文件。如果壓縮多個文件，則會發生錯誤。
tsv的讀取
在開始時所寫的那樣，如果要讀取tsv文件（制表符分隔），則可以使用read_table（）。
對於如下文件
a b c d
ONE 11 12 13 14
TWO 21 22 23 24
THREE 31 32 33 34
參數與read_csv（）相同。
df_tsv = pd.read_table('./data/03/sample_header_index.tsv', index_col=0)
print(df_tsv)
# a b c d
# ONE 11 12 13 14
# TWO 21 22 23 24
# THREE 31 32 33 34
通過read_csv（）將制表符\t設置為區別符，也可以讀取它。
df_tsv_sep = pd.read_csv('./data/03/sample_header_index.tsv',
index_col=0, sep='\t')
print(df_tsv_sep)
# a b c d
# ONE 11 12 13 14
# TWO 21 22 23 24
# THREE 31 32 33 34
總結
到此這篇關於Python Pandas讀取csv/tsv文件（read_csv，read_table）區別的文章就介紹到這瞭,更多相關Pandas讀取csv/tsv文件內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！
推薦閱讀：
- Python數據處理pandas讀寫操作IO工具CSV解析
- pandas 讀取excel文件的操作代碼
- Python pandas中read_csv參數示例詳解
- python中pandas.read_csv()函數的深入講解
- Python中的pandas表格模塊、文件模塊和數據庫模塊