pandas21 读csv文件read_csv（10.注释和空行）（详细 tcy）

注释和空行 2017/12/27

目录：
第1部分：csv文本文件读写

    pandas 读csv文件read_csv（1.文本读写概要）https://mp.csdn.net/postedit/85289371
    pandas 读csv文件read_csv（2.read_csv参数介绍）https://mp.csdn.net/postedit/85289928
    pandas 读csv文件read_csv（3.dtypes指定列数据类型）https://mp.csdn.net/postedit/85290575
    pandas 读csv文件read_csv（4.to_csv文本数据写）https://mp.csdn.net/postedit/85290962
    pandas 读csv文件read_csv（5.文本数据读写实例）https://mp.csdn.net/postedit/85291123
    pandas 读csv文件read_csv（6.命名和使用列）https://mp.csdn.net/postedit/85291430
    pandas 读csv文件read_csv（7.索引）https://mp.csdn.net/postedit/85291658
    pandas 读csv文件read_csv（8.方言和分隔符）https://mp.csdn.net/postedit/85291994
    pandas 读csv文件read_csv（9.浮点转换和NA值）https://mp.csdn.net/postedit/85292391
    pandas 读csv文件read_csv（10.注释和空行）https://mp.csdn.net/postedit/85292609
    pandas 读csv文件read_csv（11.日期时间处理） https://mp.csdn.net/postedit/85292925
    pandas 读csv文件read_csv（12.迭代和块）https://mp.csdn.net/postedit/85293639
    pandas 读csv文件read_csv（13.read_fwf读固定宽度数据）https://mp.csdn.net/postedit/85294010
    
第2部分：
    pandas hdf文件读写简要https://mp.csdn.net/postedit/85294299
    pandas excel读写简要https://mp.csdn.net/postedit/85294545
    
第3部分：
    python中csv模块用法tcy https://mp.csdn.net/postedit/85228189
    pandas读csv文件read_csv错误解决办法7种https://mp.csdn.net/postedit/85228808
    pandas to_string用法https://mp.csdn.net/postedit/85294935

实例： 

# 实例1：忽略行注释和空行
# 如果comment指定了参数，则将忽略完全注释的行。默认情况下，也会忽略完全空行。

data = '\na,b,c\n \n                               # commented line\n1,2,3\n\n4,5,6'
pd.read_csv(StringIO(data), comment='#')           #忽略完全注释,忽略空行
pd.read_csv(StringIO(data), skip_blank_lines=False)#忽略完全注释,空行用nan值填写  

警告： 

# 忽略的行的存在可能会产生涉及行号的含糊不清;
# 该参数header使用行号（忽略注释/空行），同时skiprows使用行号（包括注释/空行）  

实例2：

data = '#comment\na,b,c\nA,B,C\n1,2,3'
pd.read_csv(StringIO(data), comment='#', header=1)

#   A B C
# 0 1 2 3  

实例3： 

# 如果同时header和skiprows指定，header对应skiprows相对的结束的位置

data = '# empty\n' \
       '# second empty line\n' \
       '# third empty line\n' \
       'X,Y,Z\n' \
       '1,2,3\n' \
       'A,B,C\n' \
       '1,2.,4.\n' \
       '5.,NaN,10.0'

print(data)
pd.read_csv(StringIO(data), comment='#', skiprows=4, header=1)
# 输出：
    A   B   C
0 1.0 2.0  4.0
1 5.0 NaN 10.0  

实例4： 

data="ID,level,category\n" \
     "Patient1,123000,x  # really unpleasant\n" \
     "Patient2,23000,y   # wouldn't take his medicine\n" \
     "Patient3,1234018,z # awesome"# 原数据包含注释

pd.read_csv(StringIO(data))
# 输出：
       ID  level category
0 Patient1 123000    x # really unpleasant
1 Patient2 23000     y # wouldn't take his medicine
2 Patient3 1234018   z # awesome

pd.read_csv(StringIO(data), comment='#')#忽略注释
# 输出：
        ID level category
0 Patient1 123000   x
1 Patient2 23000    y
2 Patient3 1234018  z