Python使用pd.read_csv()读取CSV文件详解

CSV文件与pandas读取基础

CSV文件是一种利用逗号和换行符来区分数据记录与字段的文件格式。它既可以通过Excel表格进行编辑，也能使用记事本直接修改，本质上是一种类似Excel的数据存储形式，亦可视为一种轻量级数据库。pandas库提供了pd.read_csv()函数，能够直接读取此类文件并将其转换为DataFrame数据帧。Python的优势在于能够将txt、csv、xls、sql等不同类型的数据源统一转换为DataFrame格式，从而实现标准化的统一处理。以下代码演示了读取CSV文件的具体操作。

import pandas as pd
data1 = pd.read_csv('rating.csv')
print(data1)
print("************取消第一行作为表头*************")
data2 = pd.read_csv('rating.csv',header=None)
print(data2)
print("************为各个字段取名**************")
data3 = pd.read_csv('rating.csv',names=['user_id','book_id','rating'])
print(data3)
print("***********将某一字段设为索引***************")
data3 = pd.read_csv('rating.csv',
    names=['user_id','book_id','rating'],
    index_col = "user_id")
print(data3)
print("************用sep参数设置分隔符**************")
data4 = pd.read_csv('rating.csv',
    names=['user_id','book_id','rating'],
    sep=',')
print(data4)
print("************自动补全缺失数据为NaN**************")
data5 = pd.read_csv('data.csv',header=None)
print(data5)

执行上述代码后，输出结果如下所示：

1 258 5 0 2 4081 4 1 2 260 5 2 2 9296 5 3 2 2318 3 4 2 26 4 5 2 315 3 6 2 33 4 7 2 301 5 ************取消第一行作为表头************* 0 1 2 0 1 258 5 1 2 4081 4 2 2 260 5 3 2 9296 5 4 2 2318 3 5 2 26 4 6 2 315 3 7 2 33 4 8 2 301 5 ************为各个字段取名************** user_id book_id rating 0 1 258 5 1 2 4081 4 2 2 260 5 3 2 9296 5 4 2 2318 3 5 2 26 4 6 2 315 3 7 2 33 4 8 2 301 5 ***********将某一字段设为索引*************** book_id rating user_id 1 258 5 2 4081 4 2 260 5 2 9296 5 2 2318 3 2 26 4 2 315 3 2 33 4 2 301 5 ************用sep参数设置分隔符************** user_id book_id rating 0 1 258 5 1 2 4081 4 2 2 260 5 3 2 9296 5 4 2 2318 3 5 2 26 4 6 2 315 3 7 2 33 4 8 2 301 5 ************自动补全缺失数据为NaN************** 0 1 2 3 4 0 1 2.0 3 4.0 5 1 6 7.0 8 NaN 10 2 11 NaN 13 14.0 15 [Finished in 4.5s]

代码注释说明

关于上述代码的具体解释，可参考代码中由星号隔离的注释部分。

总结

至此，关于使用Python的pd.read_csv()方法读取CSV文件的介绍已完成。如需了解更多Python读取CSV文件的相关内容，建议搜索本站历史文章或继续浏览后续相关文章，感谢大家的支持！