轻松读取 CSV 文件：read_csv 函数指南

在数据分析领域，读取 CSV（逗号分隔值）文件对于处理结构化数据至关重要。Python 中的 Pandas 库提供了 `read_csv` 函数，这是一个功能强大的工具，可让您轻松高效地读取和操作 CSV 数据。

轻松读取 CSV 文件：read_csv 函数指南

使用 read_csv 函数

`read_csv` 函数具有许多可选参数，可让您根据需要定制读取过程。基本语法如下：

```python import pandas as pd df = pd.read_csv('path/to/file.csv') ```

此代码将读取指定 CSV 文件并将其存储在 DataFrame `df` 中。

可选参数

`sep`：指定分隔符（默认值为逗号）。 `header`：指定是否包含标题行（默认值为 0，指示包含标题）。 `index_col`：指定要作为索引的列名。 `names`：用于 DataFrame 列名的自定义名称列表。 `skiprows`：跳过指定数量的行。 `nrows`：读取前 n 行。

示例

假设您有一个名为 `data.csv` 的 CSV 文件，其中包含分号分隔的数据，没有标题行：

```csv ID;Name;Age 1;John;25 2;Mary;30 ```

要读取此文件并使用分号作为分隔符，您可以使用以下代码：

```python df = pd.read_csv('data.csv', sep=';', header=None) ```

这将创建一个 DataFrame：

``` 0 1 2 0 1 John 25 1 2 Mary 30 ```

您还可以使用 `names` 参数指定自定义列名：

```python df = pd.read_csv('data.csv', sep=';', header=None, names=['ID', 'Name', 'Age']) ```

这将创建一个具有正确列名的 DataFrame：

``` ID Name Age 0 1 John 25 1 2 Mary 30 ```

处理缺失值

`read_csv` 函数还允许您处理 CSV 文件中的缺失值。您可以使用 `na_values` 参数指定要视为缺失值的特定值：

```python df = pd.read_csv('data.csv', na_values=['NA', 'NULL']) ```

这将用 NaN 值替换 CSV 文件中带有 `NA` 或 `NULL` 的任何单元格。

结论