python读入csv最多多少行(2023年最新解答)

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.LocalPathoranyobjectwitharead()method(suchasafilehandleorStringIO)

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,defaultNone

定界符，备选分隔符（如果指定该参数，则sep参数失效）

delim_whitespace:boolean,defaultFalse.

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:intorlistofints,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,defaultNone

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:intorsequenceorFalse,defaultNone

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,defaultNone

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,defaultFalse

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,defaultFalse

如果文件值包含一列，则返回一个Series

**prefix**:str,defaultNone

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,defaultTrue

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:Typenameordictofcolumn-type,defaultNone

每列数据的数据类型。例如{‘a’:np.float64,‘b’:np.int32}

**engine**:{‘c’,‘python’},optional

Parserenginetouse.TheCengineisfasterwhilethepythonengineiscurrentlymorefeature-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,defaultNone

列转换函数的字典。key可以是列名或者列的序号。

true_values:list,defaultNone

ValuestoconsiderasTrue

false_values:list,defaultNone

ValuestoconsiderasFalse

**skipinitialspace**:boolean,defaultFalse

忽略分隔符后的空白（默认为False，即不忽略）.

skiprows:list-likeorinteger,defaultNone

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,default0

从文件尾部开始忽略。(c引擎不支持)

skip_footer:int,default0

不推荐使用：建议使用skipfooter，功能一样。

nrows:int,defaultNone

需要读取的行数（从文件头开始算起）。

na_values:scalar,str,list-like,ordict,defaultNone

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,defaultTrue

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,defaultTrue

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,defaultFalse

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,defaultTrue

如果为True，则跳过空行；否则记为NaN。

**parse_dates**:booleanorlistofintsornamesorlistoflistsordict,defaultFalse

infer_datetime_format:boolean,defaultFalse

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,defaultFalse

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,defaultNone

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,defaultFalse

DD/MM格式的日期类型

**iterator**:boolean,defaultFalse

返回一个TextFileReader对象，以便逐块处理文件。

chunksize:int,defaultNone

文件块的大小，SeeIOToolsdocsformoreinformationoniteratorandchunksize.

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,defaultNone

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,defaultNone

SpecifieswhichconvertertheCengineshoulduseforfloating-pointvalues.TheoptionsareNonefortheordinaryconverter,highforthehigh-precisionconverter,andround_tripfortheround-tripconverter.

指定

**lineterminator**:str(length1),defaultNone

行分割符，只在C解析器下使用。

**quotechar**:str(length1),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:intorcsv.QUOTE_*instance,default0

控制csv中的引号常量。可选QUOTE_MINIMAL(0),QUOTE_ALL(1),QUOTE_NONNUMERIC(2)orQUOTE_NONE(3)

doublequote:boolean,defaultTrue

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(length1),defaultNone

当quoting为QUOTE_NONE时，指定一个字符使的不受分隔符限值。

comment:str,defaultNone

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,defaultNone

指定字符集类型，通常指定为'utf-8'.ListofPythonstandardencodings

dialect:strorcsv.Dialectinstance,defaultNone

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,defaultFalse

Leavealistoftuplesoncolumnsasis(defaultistoconverttoaMultiIndexonthecolumns)

error_bad_lines:boolean,defaultTrue

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,defaultTrue

如果error_bad_lines=False，并且warn_bad_lines=True那么所有的“badlines”将会被输出（只能在C解析器下使用）。

**low_memory**:boolean,defaultTrue

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,defaultNone

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,defaultFalse

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,defaultFalse

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,defaultFalse

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：

importpandasaspd

df=pd.read_csv("你的文件路径")

df.loc[10:20]

结语：以上就是首席CTO笔记为大家介绍的关于python读入csv最多多少行的全部内容了，希望对大家有所帮助，如果你还想了解更多这方面的信息，记得收藏关注本站。