pandas 中的 read_table 和 read_csv 有区别吗？
声明：本页面是StackOverFlow热门问题的中英对照翻译，遵循CC BY-SA 4.0协议，如果您需要使用它，必须同样遵循CC BY-SA许可，注明原文地址和作者信息，同时你必须将它归于原作者（不是我）：StackOverFlow
原文地址: http://stackoverflow.com/questions/41681250/
Warning: these are provided under cc-by-sa 4.0 license. You are free to use/share it, But you must attribute it to the original authors (not me):
StackOverFlow
Is there a difference between read_table and read_csv in pandas?
提问by gsa
I've tested it and also checked the documentation with no visible differences.Either way i wanted to ask just in case.
我已经对其进行了测试，并且还检查了文档，但没有明显差异。无论哪种方式，我都想问问以防万一。
Do you think that read_csv should be used only for csv's even though it works for other types? while read_table works for anything? and if they're the same while they exist?
你认为 read_csv 应该只用于 csv 吗，即使它适用于其他类型？而 read_table 对任何事情都有效？如果它们存在时相同？
回答by EdChum
You can get either to work for general delimited files, the difference are the default params, for instance sepis '\t'(tab) for read_tablebut ','for read_csv. They're both implemented the same underneath
您可以为一般分隔文件工作，不同之处在于默认参数，例如sep是'\t'(tab) for read_tablebut ','for read_csv. 它们都在下面实现相同
If you look at the source
如果你看源码
they call the same function with different separators:
他们使用不同的分隔符调用相同的函数：
read_csv = _make_parser_function('read_csv', sep=',')
read_csv = Appender(_read_csv_doc)(read_csv)
read_table = _make_parser_function('read_table', sep='\t')
read_table = Appender(_read_table_doc)(read_table)
def _make_parser_function(name, sep=','):
is a general method which accepts the separg
是接受separg的通用方法
回答by Ay?e Nur
If you check out the Pandas documentation for read_table:
如果您查看Pandas 文档read_table：
Deprecatedsince version 0.24.0.
Use
pandas.read_csv()instead, passingsep='\t'if necessary.
自 0.24.0 版起已弃用。
使用
pandas.read_csv()替代，传递sep='\t'，如果必要的。
So it is advised notto use read_table().
所以建议不要使用read_table()。
回答by timgeb
The onlydifference is in fact the default value for the separgument.
该唯一的区别是事实上的默认值sep参数。
read_csvuses sep=',', read_tableuses sep='\t'and that's it.
read_csv使用sep=','，read_table使用sep='\t'，就是这样。
We can confirm this with the help of the inspectmodule by getting the signature parametersas ordered mappings.
我们可以在inspect模块的帮助下通过获取签名参数作为有序映射来确认这一点。
import inspect
import pandas as pd
params_csv = inspect.signature(pd.read_csv).parameters
params_table = inspect.signature(pd.read_table).parameters
There are only two elements in the symmetric difference of the parameters which both correspond to the separgument and its different default value for the two functions.
参数的对称差异中只有两个元素，它们都对应于sep两个函数的参数及其不同的默认值。
>>> params_csv.items() ^ params_table.items()
{('sep', <Parameter "sep=','">), ('sep', <Parameter "sep='\t'">)}
