| .read_table() / read_csv() | |
| | filepath_or_buffer | 文件路径 |
| sep=’\t’ | 分隔符. 设置为N, 将尝试自动确定 |
| delimiter=N | sep的备用参数名 |
| header=’infer’ | int | 用作列名称的行号 |
| ints | 若传入列表则表示这几行都将作为列标签 |
| None | 文件中不包含标题行 |
| ‘infer’ | header = 0 if name is None else None |
| names=N | 作为列标签的列表 |
| index_col=N | int | 用作行标签的列 |
| 序列 | 使用MultiIndex |
| F | 强制使用第一列作为索引 |
| usecols=N | list_like: 要读取的列, 位置或列标签 |
| squeeze=F | 若果解析的数据只有一列, 则返回一个Series |
| prefix=N | 在没有标题时添加到列号的前缀，例如’X’代表X0，X1，… |
| mangle_dupe_cols=T | 重复的列将被指定为”X”, “X.1″…“X.N”. 传入F将导致覆盖数据 |
| dtype=N | 数据或每列数据类型. 例如:{‘a’：np.float64，’b’：np.int32} |
| engine=N | 选择解析器引擎. ‘c’引擎速度更快，而’python’引擎目前更加完善 |
| converters=N | dict {key:fun(str)}. 转换某些列中的值的函数, 键是整数或列标签 |
| true_values=N | list. 要考虑的值为True ??? |
| false_values=N | list. 要考虑的值为False ??? |
| skipinitialspace=F | 跳过分隔符后的空白符 |
| skiprows=N | 要跳过的行号(list)或要跳过的行数(integer) |
| nrows=N | 要读取的文件的行数. 适用于读取大文件的片段 |
| na_values=N | 识别为NaN的字符串或字符串列表 |
| keep_default_na=T | T设置的na_values追加到默认识别为NaN值的列表, 否则将覆盖默认 |
| na_filter=T | 是否检测Na值, 在确定没有Na的数据中设置为F可提高读取大文件的性能 |
| verbose=F | 是否显示每一列中的NA值的数量
|
| skip_blank_lines=T | 如果为T, 则跳过空白行, 而不是解释为NaN值 |
| parse_dates=F | True: 尝试将索引解析成日期 |
| [位置或标签]: 尝试将这些列解析成日期 |
| [[位置或标签]]: 合并这些列并尝试将其解析成日期 |
| {name: [位置或标签]}: 合并指定列指定标签为name, 并尝试将其解析为日期 |
| infer_datetime_format=F | True: 尝试加快parse_dates解析速度 |
| keep_date_col=F | True: 若parse_dates解析成的日期列没有占用原数据标签, 则保留原始列 |
| date_parser=N | 用于将字符串转换为datetime的函数, 默认dateutil.parser.parser |
| dayfirst=F | True: 识别欧洲格式日期(日-月-年), 默认将识别为(月-日-年) |
| iterator=F | 生成迭代器, 通过迭代或get_chunk()获取数据块(默认全部) |
| chunksize=N | int: 生成迭代器, 通过迭代或get_chunk()每次获取此参数指定大小的数据块 |
| compression=’infer’ | {‘infer’，’gzip’，’bz2’，’zip’，’xz’，None} 用于磁盘上数据的即时解压缩。如果“infer”，则使用gzip，bz2，zip或xz，如果filepath_or_buffer是分别以“.gz”， “.bz2”， “.zip”或“xz”结尾的字符串，否则不进行解压缩。如果使用’zip’，ZIP文件必须只包含一个要读入的数据文件. 设置为无, 无解压缩 |
| thousands=N | str: 千位分隔符, 默认无 |
| decimal=’.’ | 可识别为小数点的字符 |
| lineterminator=N | str(length 1) 将文件拆分成行的字符, 只有C解释器有效 |
| quotechar='”‘ | str(length 1) 用于表示带引号项目的开始和结束的字符. 引号项可以包含分隔符, 它将被忽略 |
| quoting=0 | 3: quotechar参数将不会生效 |
| escapechar=N | ??? |
| comment=N | str(length 1) 以此字符开头的行将被当做空白行处理 |
| encoding=N | 编码 |
| dialect=N | ??? |
| tupleize_cols=F | 当选择多行作为列标签时, 默认生成多级索引, 若设置为True, 则会把多个索引组成元组作为单个标签 |
| error_bad_lines=T | False: 异常行将被删除 |
| warn_bad_lines=T | error_bad_lines为False, 且此参数为True, 将会输出每一个error行的警告 |
| skipfooter=0 | 跳过文件底部的行数（不支持engine =’c’） |
| skip_footer=0 | 弃用, 使用skipfooter参数 |
| doublequote=T | 将连续多个quotechar指定的字符当做一个来识别 |
| delim_whitespace=F | 指定是否将空白用作分隔符, 相当于设置sep=’\s+’. 若设为True, 则不应为delimiter参数传入任何内容(支持Python解释器) |
| compact_ints=F | 将被删除 |
| use_unsigned=F | 将被删除 |
| low_memory=T | ??? |
| buffer_lines=N | 将被删除
|
| memory_map=F | 如果为filepath_or_buffer提供了文件路径，则将文件对象直接映射到内存上，并从中直接访问数据。使用此选项可以提高性能，因为不再有任何I / O开销 |
| float_precision=N | ??? |
| .read_fwf() | 读取固定宽度格式的文件 |
| | | |
| .read_msgpack() | ??? |
| | | |
