一、read_table函数功能介绍
read_table是pandas中用于读取表格型数据的函数,可以读取各种格式的数据文件,包括csv、tsv、excel、txt等等,读取后的数据格式为DataFrame,是pandas中最常用的数据类型之一。read_table函数的详细使用方法会在后面的小标题中介绍。
二、read_table函数常用参数
read_table(filepath_or_buffer,sep='\t',delimiter=None,header='infer',names=None, index_col=None,usecols=None,squeeze=False,prefix=None, mangle_dupe_cols=True, dtype=None, engine=None,converters=None, true_values=None, false_values=None,skipinitialspace=False,skiprows=None, nrows=None,na_values=None,keep_default_na=True,na_filter=True, verbose=False,skip_blank_lines=True,parse_dates=False,infer_datetime_format=False, keep_date_col=False, date_parser=None,dayfirst=False,iterator=False,chunksize=None, compression='infer',thousands=None, decimal=b'.',comment=None,encoding=None, dialect=None,error_bad_lines=True,warn_bad_lines=True,skipfooter=0, doublequote=True,escapechar=None,quotechar='"',quoting=0,lineterminator=None, delim_whitespace=False,low_memory=True,memory_map=False,float_precision=None)
常用参数说明:
- filepath_or_buffer: 文件路径或可读取的文件对象。
- sep: 字段分隔符,默认为'\t'。
- delimiter: 指定字段分隔符,若不指定则sep生效。
- header: 指定表头所在行号,默认值为'inf', 即不含表头。
- names: 指定列名列表。
- index_col: 指定某列作为行索引。
- usecols: 指定需要读取的列。
- dtype: 指定列数据类型。
- na_values: 指定缺失值表示字符。
- skiprows: 指定需要跳过的行。
- nrows: 指定读取行数。
- encoding: 指定读取文件的编码格式。
三、read_table函数使用实例
1. 读取csv文件
读取csv文件,以','为分隔符,默认读取所有列。
import pandas as pd df = pd.read_table('data.csv',sep=',') df.head()
2. 读取含表头的tsv文件
读取含表头的tsv文件,以'\t'为分隔符,自定义列名。
import pandas as pd df = pd.read_table('data.tsv',sep='\t',header=0,names=['Col1','Col2','Col3']) df.head()
3. 读取txt文件
读取纯文本文件,选取第2、4、6行,以空格为分隔符。
import pandas as pd df = pd.read_table('data.txt',sep=' ',usecols=[1,3,5],skiprows=[0,1,3]) df.head()
4. 读取excel文件
读取excel文件,选取第一个sheet的A列和B列。
import pandas as pd df = pd.read_table('data.xlsx',usecols=['A','B']) df.head()
5. 读取网页数据
从URL读取网页数据,读取第0列和第1列,用Tab分隔,缺失值替换为空格。
import pandas as pd url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data' df = pd.read_table(url,sep='\t', usecols=[0,1],na_values=' ') df.head()
四、总结
本文介绍了Pandas库中read_table函数的使用指南,包括函数介绍、常用参数和实例演示。通过本文的学习,可以更加深入地理解read_table函数的应用,从而更好地处理表格数据。