pandas.read_csv 来自字符串或包数据

Posted 2023-02-23

【中文标题】pandas.read_csv 来自字符串或包数据

【英文标题】：pandas.read_csv from string or package data

【发布时间】：2014-01-08 21:27:31

【问题描述】：

我在一个包中有一些 csv 文本数据，我想使用 read_csv 读取这些数据。我是这样做的

from pkgutil import get_data
from StringIO import StringIO

data = read_csv(StringIO(get_data('package.subpackage', 'path/to/data.csv')))

但是，StringIO.StringIO 在 Python 3 中消失了，io.StringIO 只接受 Unicode。有没有简单的方法来做到这一点？

编辑：以下似乎不起作用

import pandas as pd

import pkgutil
from io import StringIO

def get_data_file(pkg, path):
    f = StringIO()
    contents = unicode(pkgutil.get_data('pymc.examples', 'data/wells.dat'))
    f.write(contents)
    return f

wells = get_data_file('pymc.examples', 'data/wells.dat')

data = pd.read_csv(wells, delimiter=' ', index_col='id',
                   dtype='switch': np.int8)

失败

  File "/usr/local/lib/python2.7/dist-packages/pandas/io/parsers.py", line 401, in parser_f
    return _read(filepath_or_buffer, kwds)
  File "/usr/local/lib/python2.7/dist-packages/pandas/io/parsers.py", line 209, in _read
    parser = TextFileReader(filepath_or_buffer, **kwds)
  File "/usr/local/lib/python2.7/dist-packages/pandas/io/parsers.py", line 509, in __init__
    self._make_engine(self.engine)
  File "/usr/local/lib/python2.7/dist-packages/pandas/io/parsers.py", line 611, in _make_engine
    self._engine = CParserWrapper(self.f, **self.options)
  File "/usr/local/lib/python2.7/dist-packages/pandas/io/parsers.py", line 893, in __init__
    self._reader = _parser.TextReader(src, **kwds)
  File "parser.pyx", line 441, in pandas._parser.TextReader.__cinit__ (pandas/src/parser.c:3940)
  File "parser.pyx", line 551, in pandas._parser.TextReader._get_header (pandas/src/parser.c:5096)
pandas._parser.CParserError: Passed header=0 but only 0 lines in file

【参考方案1】：

要将string 传递给pandas read_csv()，您可以使用io.StringIO，即：

import pandas as pd
from io import StringIO

df = pd.read_csv(StringIO("csv string..."))

【讨论】：

这也适用于 .dat 文件。我用逗号替换 .dat 文件的空格，然后使用上面的代码将逗号分隔的字符串转换为 pandas df

@embulldogs99 你不需要替换空格，只需使用空格作为sep=' '的字段分隔符

【参考方案2】：

以下内容在 3.3 中对我有用：

>>> import numpy as np, pandas as pd
>>> import io, pkgutil
>>> wells = pkgutil.get_data('pymc.examples', 'data/wells.dat')
>>> type(wells)
<class 'bytes'>
>>> df = pd.read_csv(io.BytesIO(wells), encoding='utf8', sep=" ", index_col="id", dtype="switch": np.int8)
>>> df.head()
    switch  arsenic       dist  assoc  educ
id                                         
1        1     2.36  16.826000      0     0
2        1     0.71  47.321999      0     0
3        0     2.07  20.966999      0    10
4        1     1.15  21.486000      0    12
5        1     1.10  40.874001      1    14

[5 rows x 5 columns]

注意我不得不手动将wells.dat 放在那个位置，所以我不能发誓我正确地复制了它并且没有终端空白，因为我删除了一些。但是传递read_csv 一个BytesIO 对象和一个编码参数应该可以工作。 （实际上，你可能没有它就可以逃脱，但这是一个好习惯。io.TextIOWrapper 可能是另一种选择。）

【讨论】：

谢谢，我已经知道如何使用 io.StringIO(unicode(wells))，但这似乎更好。

谢谢！这很有帮助。我对如何使用 pd.read_csv 读取 <class 'byte'> 文件感到迷茫

谢谢！我在 post 请求中通过 formdata 上传了 CSV 文件内容。这有效：df = pd.read_csv( io.BytesIO( self.request.files['file1'][0]['body']) )