导读
主要利用pandas.read_csv接口对csv格式文件或txt文件进行读取，由于CSV格式文件使用非常频繁，功能强大，参数众多，因此在这里专门做详细介绍
使用示例
# 基础用法
import pandas as pd
pd.read_csv(path)
ts_code symbol name area industry list_date
0 000001.SZ 1 平安银行 深圳 银行 19910403
1 000002.SZ 2 万科A 深圳 全国地产 19910129
2 000004.SZ 4 ST国华 深圳 软件服务 19910114
3 000005.SZ 5 ST星源 深圳 环境保护 19901210
4 000006.SZ 6 深振业A 深圳 区域地产 19920427
# 如何指定字符集类型 encoding=None
pd.read_csv(path, encoding="utf8")
# 如何指定表头/列名行 header=0
pd.read_csv(path)
# 作者是archie
ts_code symbol name area industry list_date
000001.SZ 000001 平安银行 深圳 银行 19910403
000002.SZ 000002 万科A 深圳 全国地产 19910129
000004.SZ 000004 ST国华 深圳 软件服务 19910114
000005.SZ 000005 ST星源 深圳 环境保护 19901210
pd.read_csv(path, header=1)
ts_code symbol name area industry list_date
0 000001.SZ 1 平安银行 深圳 银行 19910403
1 000002.SZ 2 万科A 深圳 全国地产 19910129
2 000004.SZ 4 ST国华 深圳 软件服务 19910114
3 000005.SZ 5 ST星源 深圳 环境保护 19901210
# 如何指定分隔符 sep=","
pd.read_csv(path)
ts_code/symbol/name/area/industry/list_date
0 000001.SZ/000001/平安银行/深圳/银行/19910403
1 000002.SZ/000002/万科A/深圳/全国地产/19910129
2 000004.SZ/000004/ST国华/深圳/软件服务/19910114
3 000005.SZ/000005/ST星源/深圳/环境保护/19901210
pd.read_csv(path, sep='/')
ts_code symbol name area industry list_date
0 000001.SZ 1 平安银行 深圳 银行 19910403
1 000002.SZ 2 万科A 深圳 全国地产 19910129
2 000004.SZ 4 ST国华 深圳 软件服务 19910114
3 000005.SZ 5 ST星源 深圳 环境保护 19901210
# 如何自定义列名 names=None
pd.read_csv(path)
000001.SZ 000001 平安银行 深圳 银行 19910403
0 000002.SZ 2 万科A 深圳 全国地产 19910129
1 000004.SZ 4 ST国华 深圳 软件服务 19910114
2 000005.SZ 5 ST星源 深圳 环境保护 19901210
pd.read_csv(path, names=['ts_code','symbol','name','area','industry','list_date'])
ts_code symbol name area industry list_date
0 000001.SZ 1 平安银行 深圳 银行 19910403
1 000002.SZ 2 万科A 深圳 全国地产 19910129
2 000004.SZ 4 ST国华 深圳 软件服务 19910114
3 000005.SZ 5 ST星源 深圳 环境保护 19901210
# 如何指定行索引 index_col=None
pd.read_csv(path)
ts_code symbol name area industry list_date
0 000001.SZ 1 平安银行 深圳 银行 19910403
1 000002.SZ 2 万科A 深圳 全国地产 19910129
2 000004.SZ 4 ST国华 深圳 软件服务 19910114
3 000005.SZ 5 ST星源 深圳 环境保护 19901210
pd.read_csv(path, index_col="ts_code")
symbol name area industry list_date
ts_code
000001.SZ 1 平安银行 深圳 银行 19910403
000002.SZ 2 万科A 深圳 全国地产 19910129
000004.SZ 4 ST国华 深圳 软件服务 19910114
000005.SZ 5 ST星源 深圳 环境保护 19901210
# 如何读入指定列数据 usecols=None
pd.read_csv(path, usecols=["ts_code"])
ts_code
0 000001.SZ
1 000002.SZ
2 000004.SZ
3 000005.SZ
pd.read_csv(path, usecols=["ts_code", "area"])
ts_code area
0 000001.SZ 深圳
1 000002.SZ 深圳
2 000004.SZ 深圳
3 000005.SZ 深圳
# 如何读入前N行数据 nrows=None
pd.read_csv(path)
ts_code symbol name area industry list_date
0 000001.SZ 1 平安银行 深圳 银行 19910403
1 000002.SZ 2 万科A 深圳 全国地产 19910129
2 000004.SZ 4 ST国华 深圳 软件服务 19910114
3 000005.SZ 5 ST星源 深圳 环境保护 19901210
pd.read_csv(path, nrows=2)
ts_code symbol name area industry list_date
0 000001.SZ 1 平安银行 深圳 银行 19910403
1 000002.SZ 2 万科A 深圳 全国地产 19910129
# 如何跳过前N行数据 skiprows=None
pd.read_csv(path, skiprows=2)
000002.SZ 000002 万科A 深圳 全国地产 19910129
0 000004.SZ 4 ST国华 深圳 软件服务 19910114
1 000005.SZ 5 ST星源 深圳 环境保护 19901210
# 如何指定数据类型 dtype=None
pd.read_csv(path, dtype={"list_date": "str"}).info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 4 entries, 0 to 3
Data columns (total 6 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 ts_code 4 non-null object
1 symbol 4 non-null int64
2 name 4 non-null object
3 area 4 non-null object
4 industry 4 non-null object
5 list_date 4 non-null object
dtypes: int64(1), object(5)
memory usage: 320.0+ bytes
# 如何读入时进行数据运算 converters=None
pd.read_csv(path, converters={"ts_code": lambda code: code[:6]})
ts_code symbol name area industry list_date
0 000001 1 平安银行 深圳 银行 19910403
1 000002 2 万科A 深圳 全国地产 19910129
2 000004 4 ST国华 深圳 软件服务 19910114
3 000005 5 ST星源 深圳 环境保护 19901210
# 如何读入时对日期时间列进行转换 parse_dates=False
pd.read_csv(path, parse_dates=["list_date"])
ts_code symbol name area industry list_date
0 000001.SZ 1 平安银行 深圳 银行 1991-04-03
1 000002.SZ 2 万科A 深圳 全国地产 1991-01-29
2 000004.SZ 4 ST国华 深圳 软件服务 1991-01-14
3 000005.SZ 5 ST星源 深圳 环境保护 1990-12-10
pd.read_csv(path, parse_dates=["list_date"]).info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 4 entries, 0 to 3
Data columns (total 6 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 ts_code 4 non-null object
1 symbol 4 non-null int64
2 name 4 non-null object
3 area 4 non-null object
4 industry 4 non-null object
5 list_date 4 non-null datetime64[ns]
dtypes: datetime64[ns](1), int64(1), object(4)
memory usage: 320.0+ bytes
参数解析
# 以下为默认参数
pd.read_csv(
filepath_or_buffer: Union[str, pathlib.Path, IO[~AnyStr]], #文件路径
sep=',', #分割符
delimiter=None, #备选分隔符，如果指定该参数，则sep参数失效
header='infer', #指定第几行是表头，也就是指定列名行。由于默认参数skip_blank_lines=True，header参数将忽略空行和注释行, 因此header=0表示第一行数据而非文件的第一行
names=None, #指定列名，传入列表
index_col=None, #指定索引列，可以理解为行名
usecols=None, #使用数据的部分列，传需要读入的列名或序号[列名1,列名2],或excel中自带列名ABCD...如“A,B”或"A:D"
squeeze=False, #读入数据只一列时转Series对象，默认不转
prefix=None, #指定一个前缀，列名改为 前缀+序号
mangle_dupe_cols=True, #当列名有重复时，解析列名将变为X, X.1...，为False时后面重复列名的列会覆盖前列
dtype=None, #指定各数据列的数据类型，精准指定可传字典或列表
engine=None, #可以选择C或Python，一般不用
converters=None, ##对某一列使用Lambda函数，进行某种运算
true_values=None, #同false_values一起使用，若在列表中则数据变true
false_values=None, #同true_values一起使用，若在列表中数据变false
skipinitialspace=False,
skiprows=None, #跳过前几行，可传列表跳过多行(列名行为第0行),也可以传入Lambda函数如读取偶数行：skiprows=lambda x:x%2==0
skipfooter=0, #对应skiprows，跳过后几行
nrows=None, #读入前几行
na_values=None, #将指定的值更改为NaN，可传列表进行多个替换
keep_default_na=True, #默认True,读入空值为NaN，False直接无数据
na_filter=True, #空值标记，默认标记空值，False时不标记空值且参数keep_default_na和na_values都会失效
skip_blank_lines=True, #不读入空行
parse_dates=False, #传入需要进行解析日期列，如日期分三列存放可如下进行解析：parse_dates={"list_date": ["年", "月", "日"]}
date_parser=None, #配合parse_dates，对parse_dates参数传入列进行数据转化利用Lambda函数
keep_date_col=False, #parse_dates参数可以将多列合并并解析成一个时间列，此时使用该参数可以保留原有时间列
dayfirst=False, #如果parse_dates参数可以，会对转换后的日期转换为该月的第一天
iterator=False, #是否返回TextFileReader对象，可迭代
chunksize=None, #指定块大小，处理大型csv文件时使用，按块读入，返回可迭代TextFileReader对象
compression='infer', #指定压缩格式，用于对磁盘数据进行即时解压缩。如果为“infer”，且传入文件路径是以.gz、.bz2、.zip或.xz结尾的字符串，则使用gzip、bz2、zip或xz，否则不进行解压缩。如果使用zip，则ZIP文件必须仅包含一个要读取的数据文件。设置为None将不进行解压缩
lineterminator=None, #指定换行符，仅对C解析器有效
quotechar='"', #表示引用数据的开始和结束的字符
escapechar=None, #传入一个转义符，用于过滤数据中的该转入符
comment=None, #注释标识符，忽略每一行传入字符串之后的数据
encoding=None, #指定字符集类型，通常指定为'utf-8')
