Pandas read_table()函数

Pandas是用于分析数据、数据探索和操作的最常用软件包之一。在分析真实世界的数据时，我们经常使用URL来执行不同的操作，而Pandas提供了多种方法来完成这些操作。其中一个方法是read_table()。

语法:

read_table(filepath_or_buffer, sep=False, 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, skipfooter=0, 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’.’, lineterminator=None, quotechar='”‘, quoting=0, doublequote=True, escapechar=None, comment=None, encoding=None, dialect=None, tupleize_cols=None, error_bad_lines=True, warn_bad_lines=True, delim_whitespace=False, low_memory=True, memory_map=False, float_precision=None)

返回：以逗号(‘,’)分隔的数值文件(csv)作为二维数据返回，并标明axis。

要获得文章中使用的csv文件的链接，请点击这里。

代码#1：显示文件的全部内容，用’,’分隔的列。

# importing pandas
import pandas as pd
  
pd.read_table('nba.csv',delimiter=',')

输出:

代码#2：跳过没有索引的行

# importing pandas
import pandas as pd
  
pd.read_table('nba.csv',delimiter=',',skiprows=4,index_col=0)

输出:

在上述代码中，有四行被跳过，最后跳过的一行被显示出来。

代码#3：用索引跳过行

# importing pandas
import pandas as pd
  
pd.read_table('nba.csv',delimiter=',',skiprows=4)

输出:

代码#4：在大文件的情况下，如果你想只读几行，那么给nrows规定的行数。

# importing pandas
import pandas as pd
  
pd.read_table('nba.csv',delimiter=',',index_col=0,nrows=4)

输出:

代码#5：如果你想跳过文件底部的行数，那么请给skipfooter规定的行数。

# importing pandas
import pandas as pd
  
pd.read_table('nba.csv',delimiter=',',index_col=0,
                     engine='python',skipfooter=5)

输出:

代码#6：行号作为列名，数据的开始发生在**标题中给出的最后一个行号之后。

# importing pandas
import pandas as pd
  
pd.read_table('nba.csv',delimiter=',',index_col=0,header=[1,3,5])

输出: