目录 前言 一、基础语法与功能 二、参数说明和代码演示 1.filepath_or_buffer 2.sep 3.delimiter 4.header 5.names 6.index_col 7.usecols 8.squeeze 9.prefix 10.mangle_dupe_cols 11.dtype 12.engine 13.converters 14.true_values 15.false_values 16.skipinitialspace 17. skiprows 编辑 18.skipfooter 19.nrows 20.na_values 21.keep_default_na 22. na_filter 23.verbose 24.skip_blank_lines 25.parse_dates 26.infer_datetime_format 27.keep_date_col 28.date_parser 29. dayfirst 30.cache_dates 31.iterator 32.chunksize 33.compression 34.thousands 35.decimal 36.lineterminator 37.quotechar 38.quoting 39.doublequote 40.escapechar 41.comment 42.encoding 43.encoding_errors 44.dialect 45. error_bad_lines 46.warn_bad_lines 47.on_bad_lines 48.delim_whitespace 49.low_memory 50.memory_map 51.float_precision 52.storage_options 点关注,防走丢,如有纰漏之处,请留言指教,非常感谢 前言 Pandas常用作数据分析工具库以及利用其自带的DataFrame数据类型做一些灵活的数据转换、计算、运算等复杂操作,但都是建立在我们获取数据源的数据之后。因此作为读取数据源信息的接口函数必然拥有其强大且方便的能力,在读取不同类源或是不同类数据时都有其对应的read函数可进行先一步处理,这会减少我们相当大的一部分数据处理操作。每一个read()函数,作为一名数据分析师我个人认为都应该掌握且熟悉它对应的参数,相对应的read()函数博主已有三篇文章详细解读了read_json、read_excel和read_sql: Pandas获取SQL数据库read_sql()函数及参数一文详解+实例代码