pandas 0.23 - Series.from_csv()

pandas.Series.from_csv




pandas

pandas.Series.from_csv

classmethod Series.from_csv(path, sep=', ', parse_dates=True, header=None, index_col=0, encoding=None, infer_datetime_format=False) [source]

CSV फ़ाइल पढ़ें।

संस्करण 0.21.0 के बाद से पदावनत: इसके बजाय pandas.read_csv() उपयोग करें।

अधिक सामान्य प्रयोजनों के लिए अधिक शक्तिशाली pandas.read_csv() का उपयोग करना बेहतर होता है, लेकिन from_csv एक फ़ाइल के लिए ( to_csv का सटीक समकक्ष) के लिए एक आसान राउंडट्रिप बनाता है, विशेष रूप से एक समय श्रृंखला के साथ।

यह विधि केवल कुछ चूक में pandas.read_csv() से भिन्न होती है:

  • index_col किसी के बजाय 0 (डिफ़ॉल्ट रूप से सूचकांक के रूप में पहला कॉलम लें)
  • header 0 बजाय None (पहली पंक्ति को स्तंभ नामों के रूप में उपयोग नहीं किया गया है)
  • parse_dates False बजाय True (डिफ़ॉल्ट रूप से parse_dates को parse_dates रूप में पार्स करने का प्रयास करें)

pandas.read_csv() , विकल्प squeeze=True का उपयोग from_csv जैसी श्रृंखला को लौटाने के लिए किया जा सकता है।

पैरामीटर:
path : string file path or file handle / StringIO

sep : स्ट्रिंग, डिफ़ॉल्ट ','

क्षेत्र का परिसीमन

parse_dates : बूलियन, डिफ़ॉल्ट सत्य

पार्स डेट्स। Read_table से अलग डिफ़ॉल्ट

शीर्ष लेख : int, डिफ़ॉल्ट कोई नहीं

शीर्ष लेख के रूप में उपयोग करने के लिए पंक्ति (पूर्व पंक्तियों को छोड़ें)

index_col : int या अनुक्रम, डिफ़ॉल्ट 0

सूचकांक के लिए उपयोग करने के लिए कॉलम। यदि कोई अनुक्रम दिया जाता है, तो एक मल्टीइन्डेक्स का उपयोग किया जाता है। Read_table से अलग डिफ़ॉल्ट

एन्कोडिंग : स्ट्रिंग, वैकल्पिक

3 से पहले अजगर संस्करणों के लिए सामग्री गैर-एसिसीआई हैं, तो उपयोग करने के लिए एन्कोडिंग का प्रतिनिधित्व करने वाला एक स्ट्रिंग

infer_datetime_format: बूलियन, डिफ़ॉल्ट गलत

यदि स्तंभ के लिए True और parse_dates सत्य है, तो पहले डेटाटाइम स्ट्रिंग के आधार पर parse_dates प्रारूप का अनुमान लगाने का प्रयास करें। यदि प्रारूप का अनुमान लगाया जा सकता है, तो अक्सर एक बड़ी पार्सिंग गति होगी।

यह दिखाता है:
y : Series

यह भी देखें

pandas.read_csv()