Pandas知识点-读写Excel最全参数总结（收藏）

Pandas知识点-读写Excel最全参数总结（收藏）

pandas文件读写工具汇总

pandas中的文件读写工具由一组read的函数（执行Input）和一组write的对象方法（执行Output）组成，具体见下表。

本文总结最常用的三组读写工具的所有参数用法，read_excel()和DataFrame.to_excel()、read_csv()和DataFrame.to_csv()、read_json()和DataFrame.to_json()。

read_excel()参数总结

read_excel():

• io: 字符串、字节、ExcelFile、xlrd.Book、路径对象或file-like对象。
  任何有效的字符串路径都可以接受，字符串可以是一个URL，有效的URL格式包括http、ftp、s3和file，对于文件URL，最好有个主机地址，例如一个本地文件可以是file://localhost/path/to/table.xlsx这样的格式。
  如果传递的是路径对象，则Pandas接受所有os.Pathlike对象。
  通过file-like对象，可以引用具有read()方法的对象，例如文件处理(如内置函数open()函数)或StringIO。
• sheet_name: 字符串、整数、列表、None，默认值0。
  字符串用表格(sheet页)名称。整数用从0开始的表格索引（图表chart sheet不计算）。字符串/整数的列表用于获取多张表格。设置为None可获取所有表格(sheet页)。
  示例：
  0(默认): 将第一个sheet页读为一个DataFrame。
  1: 将第二个sheet页读为一个DataFrame。
  ‘Sheet1’: 将名称为Sheet1的sheet页读为一个DataFrame。
  [0, 1, ‘Sheet5’]: 将第一个、第二个和名称为Sheet5的sheet页读为一个DataFrame组成的字典。
  None: 将所有sheet页读为一个DataFrame组成的字典。
• header: 整数或整数组成的列表，默认值0。
  用作DataFrame的列名的行（通过0开始的行索引选一行），如果用整数列表指定多个行，则组合为MultiIndex。如果没有header，则设置为None。
• names: array-like，默认值None。
  指定列名的列表，如果数据文件中不包含列名，通过names指定列名，同时应该设置header=None。names中不允许有重复值。
• indexl_col: 整数或整数组成的列表，默认值None。
  设置DataFrame的行索引（通过0开始的列索引选一列），如果用整数列表指定多个列，则组合为MultiIndex。如果没有用作行索引的列，则设置为None。如果使用usecols选择了数据的子集，则indexl_col将基于这个子集。
• usecols: 字符串、list-like、可调用对象，默认值None。
  None: 解析所有列。
  字符串：解析以逗号分隔的Excel列字母和列范围。例如“A:E”或“A,C,E:F”，E:F这种范围包括两端的列。
  整数列表：解析列表中索引编号的列。
  字符串列表：解析列表中指定列名的列。
  可调用对象：根据可调用对象（如函数）判断每个列名，如果返回True，则解析该列。
  使用usecols可以大大加快解析时间并降低内存使用率。
• squeeze: 布尔值，默认值False。
  如果解析的数据仅包含一个列，那么结果将以Series的形式返回。
  1.4.0版本后已弃用。
• dtype: 类型名，或列名和类型名组成的字典，默认值None。
  指定部分列或整体数据的数据类型，如{‘a’: np.float64, ‘b’: np.int32}。
• engine: 字符串，默认值None。
  支持的引擎：xlrd, openpyxl, odf, pyxlsb。
  xlrd: 支持旧式Excel文件(.xls扩展名)。
  openpyxl: 支持最新的Excel文件格式(.xlsx)。
  odf: 支持OpenDocument文件格式(.odf, .ods, .odt)。
  pyxlsb: 支持二进制excel文件。
• converters: 字典，默认值None。
  列和转换函数构成的字典，keys可以是列索引或列名，values是接收一个参数（Excel单元格内容）并返回已转换内容的函数。
• true_values: 列表，默认值None。考虑为True的值。
• false_values: 列表，默认值None。考虑为False的值。
• skiprows: list-like、整数、可调用对象，可选。
  要跳过的行索引列表或文件开头要跳过的行数(int)。
  可以传入可调用函数，函数将行索引作为参数传入，跳过返回计算结果为True的行，如skiprows=lambda x: x in [0, 2]。
• nrows: 整数，默认值None。每次读取的行数，适用于读取大文件的片段。
• na_values: 标量、字符串、list-like、字典，默认值None。
  识别为NaN的其他字符串，指定某些值为空值。
  默认情况下，以下值被解析为空值：‘’, ‘#N/A’, ‘#N/A N/A’, ‘#NA’, ‘-1.#IND’, ‘-1.#QNAN’, ‘-NaN’, ‘-nan’, ‘1.#IND’, ‘1.#QNAN’, ‘<NA>’, ‘N/A’, ‘NA’, ‘NULL’, ‘NaN’, ‘n/a’, ‘nan’, ‘null’。
• keep_default_na: 布尔值，默认值True。
  在解析数据时是否包括默认的空值。根据是否传入na_values，分为如下四种情况：
  如果keep_default_na为True，并且指定na_values，则会将na_values指定的值和默认的NaN值解析为空值。
  如果keep_default_na为True，并且未指定na_values，则只将默认的NaN值解析为空值。
  如果keep_default_na为False，并且指定na_values，则只将na_values指定的值解析为空值。
  如果keep_default_na为False，并且未指定na_values，则不会将任何字符串解析为空值。
  注意，如果na_filter传入为False，则keep_default_na和na_values参数将被忽略。
• na_filter: 布尔值，默认值True。
  检测缺失值（默认的NaN和na_values指定的值）。在没有NaN的数据中，设置na_filter=False可以提高读取大文件的性能。
• verbose: 布尔值，默认值False。指定放在非数字列中的NaN值的数量。
• parse_dates: 布尔值、list-like、字典，默认值False。
  布尔值如果为True，尝试将索引当成日期解析。
  整数或列名的列表，例如[1, 2, 3]尝试将1，2，3列分别作为单独的日期列进行解析。
  嵌套列表，例如[[1, 3]]将第一列和第三列合并解析为一个日期列。
  字典，例如{‘foo’: [1, 3]}，将第一列和第三列解析为日期，并且合并成一列将列名重命名为foo。
  如果列或索引包含不可解析的日期，则整个列或索引将作为对象数据类型返回，不会被更改。
  如果不希望将某些单元格解析为日期，只需将它们在Excel中的类型修改为“文本”。
  对于非标准的datetime解析，在pd.read_excel之后使用pd.to_datetime。
• date_parser: 函数，可选。
  用于将字符串列转换为datetime实例的函数，默认使用dateutil.parser.parser进行转换。
  pandas将尝试以三种不同的方式调用date_parser，如果发生异常则前进到下一种方式：

1. 将一个或多个数组(由date_parser定义)作为参数传递。
2. 将date_parser定义的列中的字符串值（按行）连接起来存到一个数组中，并传递该数组。
3. 使用一个或多个字符串（对应于date_parser定义的列）作为参数为每行调用一次date_parser。

• thousands: 字符串，默认值None。
  千分位符。注意，此参数仅对Excel中存储为TEXT的列必须，其他任何数值列都会自动解析，无论显示格式如何。
• decimal: 字符串，默认’.'。
  识别为小数点的字符。注意，此参数仅对Excel中存储为TEXT的列必须，其他任何数值列都会自动解析，无论显示格式如何。
• comment: 字符串，默认值None。
  设置注释符号，注释掉行的其余内容。将一个或多个字符串传递给此参数以在输入文件中指示注释。注释字符串与当前行结尾之间的任何数据都将被忽略。
• skipfooter: 整数，默认值0。设置文件底部要忽略的行数。
• convert_float: 布尔值，默认值True。
  将浮点整数转换为整数（如1.0 -> 1）。如果为False，则所有数字数据将被读取为浮点数，Excel将所有数字存储为内部浮点数。
  1.3.0版本后已弃用。
• mangle_dupe_cols: 布尔值，默认值True。
  当列名有重复时，将列名解析为‘X’, ‘X.1’, …’X.N’。如果该参数为False，那么当列名中有重复时，前列会被后列覆盖。
  1.5.0版本后已弃用。
• storage_options: 字典，可选。
  对特定存储连接（例如主机、端口、用户名、密码等）有意义的额外选项。

to_excel()参数总结

DataFrame.to_excel():

• excel_writer: path-like、file-like、ExcelWriter对象。
  文件路径或已有的ExcelWriter对象。
• sheet_name: 字符串，默认值’Sheet1’。
  即将写入DataFrame数据的sheet页名称。
• na_rep: 字符串，默认值’'(空字符)。缺失值表示方式。
• float_format: 字符串，可选。
  设置字符串格式化输出时浮点数的小数位数。如float_format=‘%.2f’。
• columns: 字符串序列或字符串列表，可选。要写入的列。
• header: 布尔值或字符串列表，默认值True。
  写入列名称。如果传入一个字符串列表，则设置为列的列名。
• index: 布尔值，默认值True。
  写入数据时会将行名称（索引）写入。
• index_label: 字符串或序列，可选。
  索引列的列标签（如果需要）。如果没有设置，并且header和index参数为True，则使用索引的names。如果使用MultiIndex，则应传入一个序列。
• startrow: 整数，默认值0。存储DataFrame时，设置左上方单元格的行。
• startcol: 整数，默认值0。存储DataFrame时，设置左上方单元格的列。
• engine: 字符串，可选。
  写入时使用的引擎，openpyxl或xlsxwriter，可以通过io.excel.xlsx.writer, io.excel.xls.writer和io.excel.xlsm.write设置。
  1.2.0版本后已弃用。
• merge_cells: 布尔值，默认值True。
  将MultiIndex和分层行写为合并单元格。
• encoding: 字符串，可选。
  设置写入excel文件的编码。仅xlsxwriter有必要设置此参数，其他writer本身就支持unicode。
  1.5.0版本后已弃用。
• inf_rep: 字符串，默认值’inf’。
  无穷大的表示方式（在Excel中没有无穷大的原始表示）。
• verbose: 布尔值，默认值True。
  在错误日志中显示更多信息。
  1.5.0版本后已弃用。
• freeze_panes: 整数组成的元组，长度为2，可选。
  指定要冻结单元格的最下方行和最右侧列。
• storage_options: 字典，可选。
  对特定存储连接（例如主机、端口、用户名、密码等）有意义的额外选项。

read_csv()参数总结

read_csv():

• filepath_or_buffer: 字符串、路径对象、file-like对象，必填。
  任何有效的字符串路径都可以接受，字符串可以是一个URL。有效的URL格式包括http、ftp、s3和file，对于文件URL，最好有个主机地址，例如一个本地文件可以是file://localhost/path/to/table.csv这样的格式。
  如果传递路径对象，则pandas接受所有os.Pathlike对象。
  通过file-like对象，可以引用具有read()方法的对象，例如文件处理(如内置函数open()函数)或StringIO。
• sep: 字符串，默认值’,‘。分隔符，read_csv()默认分隔符为’,'。
• delimiter: 字符串，默认值None。sep的替代参数。
• delim_whitespace: 布尔值，默认值False。
  指定是否将空格（如’ ‘或‘\t’）当作delimiter，等价于设置sep=’\s+'。如果这个选项被设置为True，就不要给delimiter传参了。
• header: 整数或整数组成的列表、None，默认值’infer’。
  将某一行或几行设置成列名，默认’infer’，自动推导。当设置为默认值或header=0时，将首行设为列名。
  如果列名（names参数）传入指定值时要设置header=0或默认值。当header=0时，传入的列名会覆盖header=0取到的列名。
  header可以用整数构成的列表指定多行，这样结果的列名就是多重索引MultiIndex，例如[1, 2, 3]。
  如果指定的多个行中间跳过了某些行，则读取数据时跳过的行不会读取出来。如[0, 1, 3]跳过了索引2的行，读取的数据中也没有索引2这行的数据。
  注意，如果skip_blank_lines=True，此参数将忽略空行和注释行，header=0表示第一行数据而非文件的第一行。
• names: array-like，可选。
  指定列名的列表，如果数据文件中不包含列名，通过names指定列名，那么应该设置header=None。列名列表中不允许有重复值。
• index_col: 整数、字符串、整数/字符串组成的列表，False，默认值None，可选。
  设置DataFrame的行索引，可以是数字或字符串（通过列名选一列作为行索引），默认None（行索引为整数索引，False也一样）。
  如果传入一个字符串列表/整数列表，则组合为MultiIndex。
• usecols: list-like或可调用对象，可选。
  返回指定列的数据，用list-like的方式传入，即使只取一列数据也用列表，默认None，返回所有列的数据。
  列表中可以是列名或列索引（但不能两者混合），列名的列表构成所有列的一个子集，列表中的元素顺序可以忽略，usecols=[0, 1]等价于usecols=[1, 0]。
  如果想实例化一个自定义列顺序的DataFrame，可以使用pd.read_csv(data, usecols=[‘foo’, ‘bar’])[[‘foo’, ‘bar’]]，这样列的顺序为[‘foo’, ‘bar’]。
  usecols也可以传入函数，函数将根据列名计算，返回计算结果为True的列名，如usecols=lambda x: x.upper() in [‘AAA’, ‘BBB’, ‘DDD’]。
  使用usecols可以加快解析时间并降低内存使用率。
• squeeze: 布尔值，默认值False。
  如果解析的数据仅包含一个列，那么结果将以Series的形式返回，默认False。
  1.4.0版本后已弃用。
• prefix: 字符串，可选。
  当没有header时，可通过该参数为数字列名添加前缀，默认None。
  1.4.0版本后已弃用。
• mangle_dupe_cols: 布尔值，默认值True。
  当列名有重复时，将列名解析为‘X’, ‘X.1’, …’X.N’。如果该参数为False，那么当列名中有重复时，前列会被后列覆盖。
  1.5.0版本后已弃用。
• dtype: 类型名，或列名和类型名组成的字典，默认值None。
  指定部分列或整体数据的数据类型，如{‘a’: np.float64, ‘b’: np.int32}。
  1.5.0版本新增。
• engine: {‘c’, ‘python’, ‘pyarrow’}，可选。
  使用的解析引擎。C引擎的速度更快，python引擎的功能更完备。多线程目前仅支持pyarrow引擎。
  1.4.0版本新增。
• converters: 字典，可选。
  列和转换函数构成的字典，keys可以是列索引或列名，values是接收一个参数并返回已转换内容的函数。
• true_values: 列表，可选。考虑为True的值。
• false_values: 列表，可选。考虑为False的值。
• skipinitialspace: 布尔值，默认值False。在分隔符之后跳过空格。
• skiprows: list-like、整数、可调用对象，可选。
  要跳过的行索引列表或文件开头要跳过的行数(int)。
  可以传入可调用函数，函数将行索引作为参数传入，跳过返回计算结果为True的行，如skiprows=lambda x: x in [0, 2]。
• skipfooter: 整数，默认值0。设置文件底部要忽略的行数。
• nrows: 整数，默认值None。每次读取的行数，适用于读取大文件的片段。
• low_memory: 布尔值，默认值True。
  在处理数据时，解析时内存利用率降低，可能是混合类型推理。如果确认没有混合类型，请设置为False，或使用dtype参数指定类型。
  注意，无论数据大小或迭代器参数是多少，整个文件都会被读取到单个DataFrame中。（仅C引擎有效）
• memory_map: 布尔值，默认值False。
  如果用filepath_or_buffer指定文件路径，可以将文件对象直接映射到内存并直接从内存访问数据。
  使用此选项可以提高性能，因为不再有任何I/O开销。
• na_values: 标量、字符串、list-like、字典，可选。
  识别为NaN的其他字符串，指定某些值为空值。
  默认情况下，以下值被解析为空值：‘’, ‘#N/A’, ‘#N/A N/A’, ‘#NA’, ‘-1.#IND’, ‘-1.#QNAN’, ‘-NaN’, ‘-nan’, ‘1.#IND’, ‘1.#QNAN’, ‘<NA>’, ‘N/A’, ‘NA’, ‘NULL’, ‘NaN’, ‘n/a’, ‘nan’, ‘null’。
• keep_default_na: 布尔值，默认值True。
  在解析数据时是否包括默认的空值。根据是否传入na_values，分为如下四种情况：
  如果keep_default_na为True，并且指定na_values，则会将na_values指定的值和默认的NaN值解析为空值。
  如果keep_default_na为True，并且未指定na_values，则只将默认的NaN值解析为空值。
  如果keep_default_na为False，并且指定na_values，则只将na_values指定的值解析为空值。
  如果keep_default_na为False，并且未指定na_values，则不会将任何字符串解析为空值。
  注意，如果na_filter传入为False，则keep_default_na和na_values参数将被忽略。
• na_filter: 布尔值，默认值True。
  检测缺失值（默认的NaN和na_values指定的值）。在没有NaN的数据中，设置na_filter=False可以提高读取大文件的性能。
• verbose: 布尔值，默认值False。指定放在非数字列中的NaN值的数量。
• skip_blank_lines: 布尔值，默认值True。
  如果为True，则跳过空白行，而不是将其解析为NaN值。
• parse_dates: 布尔值、数字列表、列名列表、嵌套列表、字典，默认值False。
  布尔值如果为True，尝试将索引当成日期解析。
  整数或列名的列表，例如[1, 2, 3]尝试将1，2，3列分别作为单独的日期列进行解析。
  嵌套列表，例如[[1, 3]]将第一列和第三列合并解析为一个日期列。
  字典，例如{‘foo’: [1, 3]}，将第一列和第三列解析为日期，并且合并成一列将列名重命名为foo。
  如果列或索引包含不可解析的日期，则整个列或索引将作为对象数据类型返回，不会被更改。
• infer_datetime_format: 布尔值，默认值False。
  如果设置为True且有列启用了parse_dates，尝试推断日期格式以加快处理。
• keep_date_col: 布尔值，默认值False。
  如果设置为True且parse_dates指定组合多列，则保留原始列。
• date_parser: 函数，可选。
  用于将字符串列转换为datetime实例的函数，默认使用dateutil.parser.parser进行转换。
  pandas将尝试以三种不同的方式调用date_parser，如果发生异常则前进到下一种方式：

1. 将一个或多个数组(由date_parser定义)作为参数传递。
2. 将date_parser定义的列中的字符串值（按行）连接起来存到一个数组中，并传递该数组。
3. 使用一个或多个字符串（对应于date_parser定义的列）作为参数为每行调用一次date_parser。

• dayfirst: 布尔值，默认值False。DD/MM格式日期，国际和欧洲格式。
• cache_dates: 布尔值，默认值True。
  如果为True，请使用已转换的唯一日期的缓存来应用日期时间转换。在分析重复日期字符串时，可能会产生显著的提速，尤其是具有失去偏移量的字符串。
• iterator: 布尔值，默认值False。为get_chunk()迭代或获取数据块返回TextFileReader对象。
• chunksize: 整数，默认值None。返回用于迭代的TextFileReader对象，每次读取chunksize行。
• compression: 字符串或字典，默认值’infer’。
  用于磁盘数据的实时解压缩。可选值：{‘infer’, ‘zip’, ‘gzip’, ‘bz2’, ‘zstd’, ‘tar’}。
  如果使用’infer’，且如果filepath_or_buffer是以‘.gz’, ‘.bz2’, ‘.zip’, ‘.xz’结尾的字符串，则使用gzip、bz2、zip或xz，否则不进行解压缩。如果使用‘.zip’，则ZIP文件必须只包含一个要读取的数据文件。设置为None，表示不解压。
• thousands: 字符串，可选。千分隔符。
• decimal: 字符串，默认’.'。识别为小数点的字符。
• float_precision: 字符串，可选。
  指定C引擎浮点值使用哪个转换器。
  None: 普通转换器。
  high: 高精度转换器。
  round_trip: 往返转换器。
• lineterminator: 字符串（长度为1），可选。设置文件分行的字符，仅对C引擎有效。
• quotechar: 字符串（长度为1），可选。用于表示引用项的开始和结束的字符，引用的项可以包括分隔符，他将被忽略。
• quoting: 整数或csv.QUOTE_*实例，默认值0。
  控制每个csv.QUOTE_*常量的字段引用行为。使用QUOTE_MINIMAL(0), QUOTE_ALL(1), QUOTE_NONNUMERIC(2)或QUOTE_NONE(3)中的一个。
• doublequote: 布尔值，默认值True。
  当指定quotechar并且quoting不是QUOTE_NONE时，指示是否将字段内的两个连续quotechar元素解释为单个quotechar元素。
• escapechar: 字符串（长度为1），默认值None。
  当quoting为QUOTE_NONE时，用于转义分隔符的一个字符串。
• comment: 字符串，可选。
  设置注释符号，注释掉行的其余内容。如果在一行开头匹配到该字符，则该行将被完全忽略，此参数必须为单个字符。
  与空行（只要skip_blank_lines=True）一样，完全注释的行被参数header忽略，而不是被参数skiprows忽略。
  例如，如果comment=‘#’，解析’#empty\na,b,c\n1,2,3’且header=0，结果将’a,b,c’视为header。也就是第一行被comment注释了，header=0取到第二行。
• encoding: 字符串，可选。读/写时使用UTF的编码（如’utf-8’）。
• encoding_errors: 字符串，可选，默认值’strict’。如何处理编码错误。
  1.3.0版本新增。
• dialect: 字符串或csv.Dialect实例，可选。
  如果提供，则此参数将覆盖以下参数的值: delimiter, doublequote, escapechar, skipinitialspace, quotechar和quoting。
• error_bad_lines: 布尔值，可选，默认值True。
  字段过多（例如，带有过多逗号的csv行）的行默认会引发异常，不会返回DataFrame。如果设置为False，则这些“坏行”将从返回的DataFrame中删除。
  1.3.0版本已弃用。
• warn_bad_lines: 布尔值，可选，默认值True。
  如果error_bad_lines为False，并且warn_bad_lines为True，则会为每个“坏行”输出一条警告。
  1.3.0版本已弃用。
• on_bad_lines: {‘error’, ‘warn’, ‘skip’}中的一个、可调用对象，默认值’error’。
  当遇到坏行（字段太多的行）时要执行的操作。
  error: 遇到坏行时抛出异常。
  warn: 遇到坏行时发出警告并跳过该行。
  skip：遇到坏行时跳过他们，不抛出异常和警告。
  1.3.0版本新增。
• storage_options: 字典，可选。
  对特定存储连接（例如主机、端口、用户名、密码等）有意义的额外选项。

to_csv()参数总结

DataFrame.to_csv():

• path_or_buf: 字符串、路径对象、file-like对象、None，默认值None。
  字符串、路径对象，或实现了write()函数的file-like对象，如果为None，则结果以字符串形式返回。
• sep: 字符串，默认值’,‘。分隔符，to_csv()默认分隔符为’,'。
• na_rep: 字符串，默认值’'(空字符)。缺失值表示方式。
• float_format: 字符串，可调用对象，默认值None。
  设置字符串格式化输出时浮点数的小数位数。如果给出一个可调用对象，他优先于其他数字格式参数。
• columns: 序列，可选。要写入的列。
• header: 布尔值或字符串组成的列表，默认值True。
  写入列名称。如果传入一个字符串列表，则设置为列的别名。
• index: 布尔值，默认值True。写入数据时会将行名称（索引）写入。
• index_label: 字符串、序列、False，默认值None。
  索引列的列标签（如果需要）。如果设置为None，并且header和index参数为True，则使用索引的names。如果使用MultiIndex，则应传入一个序列。如果设置为False，则不会打印索引名称的字段，使用index_label=False可在R中更方便地导入。
• mode: 字符串，默认值’w’。Python写入模式，可用的写入模式与open()相同。
• encoding: 字符串，可选。
  表示要在输出文件中使用的编码的字符串，默认值为’utf-8’。如果path_or_buf是非二进制文件对象，则不支持encoding。
• compression: 字符串或字典，默认值’infer’。用于在线压缩输出数据。
  如果使用’infer’，且如果path_or_buf参数是path-like对象，则从以下扩展名中检测压缩：‘.gz’, ‘.bz2’, ‘.zip’, ‘.xz’, ‘.zst’, ‘.tar’, ‘.tar.gz’, ‘.tar.xz’或‘.tar.bz2’（否则不会进行压缩）。设置为None，表示不进行压缩。
• quoting: 来自csv模块的可选常量。
  默认为csv.QUOTE_MINIMAL。如果设置了float_format格式，则将float转换为字符串，csv.QUOTE_NONNUMERIC将其视为非数字格式。
• quotechar: 字符串，默认值单边双引号"。长度为1的字符串，用于引用字段的字符。
• lineterminator: 字符串，可选。
  在输出文件中使用的换行字符或字符序列。默认为os.linesep，这取决于调用此方法的操作系统（linux为’\n’，Windows为‘\r\n’）。
• chunksize: 整数或Noen。一次写入chunksize行。
• date_format: 字符串，默认值None。日期时间对象的格式字符串。
• doublequote: 布尔值，默认值True。控制同一个quotechar参数引用的范围内的quoting参数。
• escapechar: 字符串，默认值None。长度为1的字符串，用于避开sep参数和quotechar参数的字符。
• decimal: 字符串，默认值’.‘。识别为十进制分隔符的字符串。例如，对欧洲数据使用’,'。
• errors: 字符串，默认值’strict’。
  指定如何处理编码和解码错误。完整的选项列表，可以参考open()的错误参数，有strict, ignore, replace, surrogateescape, xmlcharrefreplace, backslashreplace, namereplace。
• storage_options: 字典，可选。
  对特定存储连接（例如主机、端口、用户名、密码等）有意义的额外选项。

read_json()参数总结

read_json():

• path_or_buf: 一个有效的JSON字符串、路径对象、file-like对象。
  任何有效的字符串路径都可以接受，字符串可以是一个URL。有效的URL格式包括http、ftp、s3和file，对于文件URL，最好有个主机地址，例如一个本地文件可以是file://localhost/path/to/table.json这样的格式。
  如果传递路径对象，则pandas接受所有os.Pathlike对象。
  通过file-like对象，可以引用具有read()方法的对象，例如文件处理(如内置函数open()函数)或StringIO。
• typ: {‘frame’, ‘series’}，默认值frame。要恢复的对象类型。
• orient: 期望的JSON字符串格式。兼容的JSON字符串可以由to_json()生成。并具有相应的orient值。
  split: 类似于{index -> [index], columns -> [columns], data -> [values]}的字典。
  records: 类似于[{column -> value}, … , {column -> value}]的列表。
  index: 类似于{index -> {column -> value}}的字典。
  columns: 类似于{column -> {index -> value}}的字典。
  values: 仅为值的数组。
  table: 类似于{‘schema’: {schema}, ‘data’: {data}}的字典。
  typ == ‘series’: 默认为index，允许的值为{‘split’,‘records’,‘index’}，Series的索引在orient为index时必须是唯一的。
  typ == ‘frame’: 默认为columns，允许的值为{‘split’,‘records’,‘index’, ‘columns’,‘values’, ‘table’}，DataFrame的索引在orient为index和columns时必须是唯一的，DataFrame的列名在orient为index、columns和records时必须是唯一的。
• dtype: 布尔值、字典，默认值None。
  如果为True，推断dtypes，如果为列和dtype组成的字典，则使用字典中的dtype。如果为False，则不推断dtypes，仅适用于数据。
  对于除table之外的所有orient参数，默认值为True。
• convert_axes: 布尔值，默认值None。
  尝试将列转换为正确的dtypes。对于除table之外的所有orient参数，默认值为True。
• convert_dates: 布尔值或字符串列表，默认值True。
  如果为True，则可以转换默认日期格式的列（取决于keep_default_dates参数），如果为False，则不会转换日期。
  如果是一个列名组成的列表，则将转换这些列，并且也可以转换默认日期格式的列（取决于keep_default_dates参数）。
• keep_default_dates: 布尔值，默认值True。
  如果解析日期（convert_dates不是False），则尝试解析默认的日期格式列。列标签属于日期格式的列为：以’_at’结尾、以’_time’结尾、以’timestamp’开头、列名为’modified’或’date’。
• numpy: 布尔值，默认值False。
  直接解析为numpy数组。虽然column和index标签可能是非数字的，但仅支持数字数据。
  注意，如果numpy=True，则每个组的JSON顺序必须相同。
  1.0.0版本后已弃用。
• precise_float: 布尔值，默认值False。
  当解码字符串为双精度类型值时，设置为能使用更高精度（strtod）函数。默认（False）使用快速但不精确的内置功能。
• date_unit: 字符串，默认值None。
  用于检测转换日期的时间戳单位。默认情况下，尝试并检测正确的精度，如果不满足期望，则传递‘s’, ‘ms’, ‘us’或‘ns’中的一个，以强制设置时间戳精度分别为秒、毫秒、微秒或纳秒。
• encoding: 字符串，默认值’utf-8’。用于解码python3字节的编码。
• encoding_errors: 字符串，默认值’strict’。
  指定如何处理编码错误。完整的选项列表，可以参考open()的错误参数，有strict, ignore, replace, surrogateescape, xmlcharrefreplace, backslashreplace, namereplace。
  1.3.0版本新增。
• lines: 布尔值，默认值False。读取文件每行作为一个JSON对象。
• chunksize: 整数，可选。
  与lines=True结合使用，返回一个JSON读取器（JsonReader），每次迭代读取chunksize行。如果为None，则文件将一次性全部读入内存。
• compression: 字符串或字典，默认值’infer’。
  用于磁盘数据的实时解压缩。如果使用’infer’，且如果path_or_buf参数是path-like对象，则从以下扩展名中检测压缩：‘.gz’, ‘.bz2’, ‘.zip’, ‘.xz’, ‘.zst’, ‘.tar’, ‘.tar.gz’, ‘.tar.xz’或‘.tar.bz2’（否则不会进行压缩）。如果使用’zip’或‘tar’，则ZIP文件必须只包含一个要读取的数据文件。设置为None，表示不进行压缩。
• nrows: 整数，可选。
  每次从jsonfile中读取的行数。仅当lines参数为True时才能生效。如果为None，则返回所有行。
• storage_options: 字典，可选。
  对特定存储连接（例如主机、端口、用户名、密码等）有意义的额外选项。

to_json()参数总结

DataFrame.to_json():

• path_or_buf: 字符串、路径对象、file-like对象、None，默认值None。
  字符串、路径对象，或实现了write()函数的file-like对象，如果为None，则结果返回一个JSON字符串。
• orient: 字符串。期望的JSON字符串格式。
  Series: 默认为index，允许的值为{‘split’, ‘records’, ‘index’, ‘table’}。
  DataFrame: 默认为columns，允许的值为{‘split’, ‘records’, ‘index’, ‘columns’, ‘values’, ‘table’}。
  split: 类似于{index -> [index], columns -> [columns], data -> [values]}的字典。
  records: 类似于[{column -> value}, … , {column -> value}]的列表。
  index: 类似于{index -> {column -> value}}的字典。
  columns: 类似于{column -> {index -> value}}的字典。
  values: 仅为值的数组。
  table: 类似于{‘schema’: {schema}, ‘data’: {data}}的字典。
• date_format: 字符串，{None, ‘epoch’, ‘iso’}。
  日期类型的转换。epoch是时间戳，iso是ISO8601标准。
  默认值取决于orient参数，对于orient=‘table’，默认值为iso，对于其他的orient值，默认值为epoch。
• double_precision: 整数，默认值10。对浮点值进行编码时使用的小数位数。
• force_ascii: 布尔值，默认值True。强制设置编码字符串为ASCI。
• date_unit: 字符串，默认值’ms’(milliseconds，毫秒)。
  编码的时间单位，管理时间戳和ISO8601的精度，可选‘s’, ‘ms’, ‘us’, ‘ns’中的一个，分布表示秒、毫秒、微秒和纳秒。
• default_handler: 可调用对象，默认值None。
  如果一个对象没有转换成一个恰当的JSON格式，处理程序就会被调用。采用单个参数（即要转换的对象），并返回一个序列化的对象。
• lines: 布尔值，默认值False。
  如果orient参数为records，则将每行写入记录为json，orient参数是其他格式，将抛出ValueError异常，因为其他格式不是list-like。
• compression: 字符串或字典，默认值’infer’。用于在线压缩输出数据。
  如果使用’infer’，且如果path_or_buf参数是path-like对象，则从以下扩展名中检测压缩：‘.gz’, ‘.bz2’, ‘.zip’, ‘.xz’, ‘.zst’, ‘.tar’, ‘.tar.gz’, ‘.tar.xz’或‘.tar.bz2’（否则不会进行压缩）。设置为None，表示不进行压缩。
• index: 布尔值，默认值True。
  是否在JSON字符串中包含索引值。仅当orient为split或table时，才支持不包含索引（index=False）。
• indent: 整数，可选。用于缩进每条记录的空格长度。
• storage_options: 字典，可选。
  对特定存储连接（例如主机、端口、用户名、密码等）有意义的额外选项。

以上就是pandas中最常见的三种数据读写方法的参数完整介绍，建议收藏本文，需要使用时方便查看。也欢迎点赞和关注支持，用wx关注我方便接收更多最新Python文章。

参考文档：
[1] pandas中文网：https://www.pypandas.cn/docs/

相关阅读：
Pandas知识点-详解表级操作管道函数pipe