import pandas as pd pd.set_option('display.unicode.ambiguous_as_wide', True) pd.set_option('display.unicode.east_asian_width', True) df = pd.read_csv('https://media-zip1.baydn.com/storage_media_zip/srfeae/dc3fa2c70032c4f4dfd7d878d79eb4da.41767dfc9dd1646b2a9f71527db2125f.csv') df['评分'] = df['评分'].str.replace('分','').astype('float') df['评分'].fillna(df['评分'].mean().round(1),inpalce = True) print(df.info()) print('====================================') print(df.describe()) df.to_csv('豆瓣图书Top250修正.csv')代码纠错

时间: 2023-09-26 12:06:48 浏览: 419

pandas.read_csv参数详解(小结)

### pandas.read_csv 参数详解 `pandas.read_csv` 是 Pandas 库中一个非常重要的函数，主要用于从 CSV 文件中读取数据并将其转换为 DataFrame 对象。以下是对该函数各个参数的详细介绍： #### filepath_or_buffer - **描述**：指定要读取的 CSV 文件路径或缓冲区对象。 - **类型**：可以是字符串、`pathlib.Path`、`py._path.local.LocalPath` 或任何具有 `read()` 方法的对象（如文件句柄或 `StringIO` 对象）。 - **支持的 URL 类型**：包括 `http`、`ftp`、`s3` 和本地文件路径。 - **示例**： - 本地文件路径：`"C:\\local\\path\\to\\table.csv"` - HTTP 地址：`"http://example.com/data.csv"` #### sep - **描述**：指定 CSV 文件中数据项之间的分隔符，默认为逗号。 - **类型**：字符串。 - **默认值**：`,`。 - **特殊处理**：如果分隔符长度超过一个字符且不是 `\s+`，将使用 Python 的正则表达式解析器进行解析，并忽略数据中的逗号。 - **示例**：`'\t'` 表示使用制表符作为分隔符。 #### delimiter - **描述**：提供了一个备选的分隔符选项，与 `sep` 相互排斥，即如果设置了 `delimiter`，则 `sep` 将被忽略。 - **类型**：字符串。 - **默认值**：`None`。 - **示例**：`';'` #### delim_whitespace - **描述**：指定是否使用空白字符（如空格或制表符）作为分隔符。 - **类型**：布尔值。 - **默认值**：`False`。 - **等效设置**：若设为 `True`，则等同于设置 `sep='\s+'`。 - **版本支持**：自 Pandas 0.18.1 版本起支持。 #### header - **描述**：指定哪些行应被用作列名。 - **类型**：整数或整数列表。 - **默认值**：`'infer'`，自动检测 CSV 文件中是否存在表头行。 - **示例**： - `0`：表示第一行作为列名。 - `None`：表示无表头行。 - `[0, 1]`：表示第 1 行和第 2 行作为多级列名。 #### names - **描述**：当 CSV 文件中没有显式定义列名时，可以使用此参数指定列名列表。 - **类型**：数组样式的对象。 - **默认值**：`None`。 - **示例**：`['name', 'age', 'gender']` - **注意事项**：如果 `header` 已经指定了列名，则 `names` 将被忽略。 #### index_col - **描述**：指定哪些列应被用作行索引。 - **类型**：整数、字符串或整数/字符串列表。 - **默认值**：`None`。 - **示例**：`0` 表示使用第一列作为索引列。 - **特殊情况**：如果设置为 `False`，则不会使用任何列作为索引。 #### usecols - **描述**：仅读取 CSV 文件中的某些列。 - **类型**：数组样式的对象。 - **默认值**：`None`。 - **示例**：`[0, 2, 3]` 表示只读取第 1、3、4 列；`['name', 'age']` 表示只读取名为 `name` 和 `age` 的列。 - **优点**：可以减少内存占用和提高读取速度。 #### as_recarray - **描述**：已废弃，未来版本将移除。 - **类型**：布尔值。 - **默认值**：`False`。 - **替代方案**：建议使用 `pd.read_csv().to_records()`。 #### squeeze - **描述**：如果 CSV 文件仅包含一列，则返回 Series 而不是 DataFrame。 - **类型**：布尔值。 - **默认值**：`False`。 #### prefix - **描述**：当 `header=None` 时，为列添加前缀。 - **类型**：字符串。 - **默认值**：`None`。 - **示例**：设置为 `'X'` 后，列名变为 `X0`, `X1`, `X2` 等。 #### mangle_dupe_cols - **描述**：决定如何处理重复的列名。 - **类型**：布尔值。 - **默认值**：`True`。 - **示例**：若设为 `True`，则重复的列名会被重命名为 `X.0`, `X.1` 等。 #### dtype - **描述**：指定各列的数据类型。 - **类型**：数据类型名称或列名到数据类型的映射字典。 - **默认值**：`None`。 - **示例**：`{'name': str, 'age': int}`。 #### engine - **描述**：指定使用的解析引擎。 - **类型**：字符串。 - **可选值**：`'c'` 或 `'python'`。 - **默认值**：通常为 `'c'`。 - **性能差异**：C 引擎通常更快，但 Python 引擎可能更灵活。 ### 总结通过上述介绍可以看出，`pandas.read_csv` 函数提供了丰富的参数配置选项，能够满足用户在不同场景下的需求。理解这些参数的具体含义及其用法，可以帮助我们更高效地读取和处理 CSV 文件。希望本文的详细介绍对你在实际工作中有所帮助！

在代码中，将 `inpalce` 写成了 `inplace`，所以会报错。正确的代码如下： ``` import pandas as pd pd.set_option('display.unicode.ambiguous_as_wide', True) pd.set_option('display.unicode.east_asian_width', True) df = pd.read_csv('https://media-zip1.baydn.com/storage_media_zip/srfeae/dc3fa2c70032c4f4dfd7d878d79eb4da.41767dfc9dd1646b2a9f71527db2125f.csv') df['评分'] = df['评分'].str.replace('分','').astype('float') df['评分'].fillna(df['评分'].mean().round(1), inplace=True) print(df.info()) print('====================================') print(df.describe()) df.to_csv('豆瓣图书Top250修正.csv') ``` 希望能帮到您！

阅读全文

相关推荐

Pandas教程：详析pd.read_excel参数与Excel文件读取

pandas深度解析：pd.read_excel全面指南

pd.set_option('display.unicode.ambiguous_as_wide', True) pd.set_option('display.unicode.east_asian_width', True)

pd.set_option("display.unicode.ambiguous_as_wide",True)

pd.set_option("display.unicode.ambiguous_as_wide",True)是什么意思

import numpy as np import pandas as pd import warnings warnings.filterwarnings('ignore') pd.set_option('max_rows',1000) pd.set_option('max_columns',1000)这段代码报错Pattern matched multiple keys，进行优化

pd.set_option

pd_split_train_test.rar_pandas_pandas对数据分类_pd.split_split_数据分类

import pandas as pd.docx

详解pandas库pd.read_excel操作读取excel文件参数整理与实例

df.rank & pd.pivot_table & pd.read_excel & df添加行 &调整df行列顺序(reindex再理解）

import pandas as pd df = pd.read_excel('D:\\NC\\2007.xls', sheet_name='Cu', skiprows=9, nrows=1) print(df.to_string()，按原来的等行跟列显示输出

stats.loc['skew'] = skew(data) stats.loc['kurt'] = kurtosis(data) stats.set_option('display.max_columns', None) print(stats)仍然报上述错误

import pandas as pd # 读取Excel文件 excel_file = r"C:\Users\Chenzhong_Zhou\Desktop\对比需求\list\GAFP list(1).xlsx" df_excel = pd.read_excel(excel_file, sheet_name="Sheet1")##这一步中显示不全有什么办法吗

使用pandas读取Excel：pd.read_excel参数解析与实践

最新推荐

python中时间转换datetime和pd.to_datetime详析

python基础教程：Python 中pandas.read_excel详细介绍

浅谈pandas.cut与pandas.qcut的使用方法及区别

基于python计算滚动方差(标准差)talib和pd.rolling函数差异详解

Windows平台下的Fastboot工具使用指南

管理建模和仿真的文件

DLMS规约深度剖析：从基础到电力通信标准的全面掌握

修改代码，使其正确运行

Python机器学习基础入门与项目实践

"互动学习：行动中的多样性与论文攻读经历"