使用 pandas.read_csv() 读取 csv 文件

简介

在 Python 中，可以使用 pandas 库的 read_csv() 函数来读取和处理 csv 文件。pandas 是一个强大的数据分析库，它提供了许多用于数据操作和分析的函数和工具。

读取 csv 文件

下面是使用 pandas.read_csv() 函数读取 csv 文件的基本语法：

import pandas as pd

data = pd.read_csv('file.csv')

read_csv() 函数的参数中需要指定 csv 文件的路径，可以是相对路径或绝对路径。读取成功后，数据将被存储在一个称为 DataFrame 的二维表中，你可以使用该对象进行数据操作和分析。

进阶用法

自定义分隔符

如果你的 csv 文件使用的不是逗号（,）作为分隔符，你可以通过 sep 参数来指定分隔符。例如，如果分隔符是分号（;），你可以使用以下语法：

data = pd.read_csv('file.csv', sep=';')

自定义列名

如果你的 csv 文件不包含列名，并且希望在读取时手动指定列名，可以使用 header 参数。header=None 表示没有列名，你需要自己指定列名。例如：

data = pd.read_csv('file.csv', header=None, names=['Col1', 'Col2', 'Col3'])

这将使用自定义的列名 Col1、Col2 和 Col3 来读取 csv 文件。

跳过行

如果你的 csv 文件包含一些无关的行，你可以使用 skiprows 参数来跳过这些行。例如，如果你想跳过前两行，可以使用以下语法：

data = pd.read_csv('file.csv', skiprows=2)

缺失值处理

在读取 csv 文件时，默认情况下 pandas 将使用 NaN 值表示缺失值。你可以使用 na_values 参数来指定其他的缺失值标识符，并将其转换为 NaN 值。例如，如果你的缺失值标识符是 NULL 和 -1，可以使用以下语法：

data = pd.read_csv('file.csv', na_values=['NULL', -1])

更多选项

pandas.read_csv() 函数还有其他许多可用选项，如指定数据类型、日期解析等。你可以参考 官方文档 来了解更多详情。

总结

使用 pandas.read_csv() 函数读取 csv 文件非常简单，你可以使用各种参数来自定义读取行为。读取后的数据将被存储在 DataFrame 对象中，便于进行后续的数据操作和分析。

希望这个介绍对你有帮助！