woodwork.utils.read_file#

woodwork.utils.read_file(filepath=None, content_type=None, name=None, index=None, time_index=None, semantic_tags=None, logical_types=None, use_standard_tags=True, column_origins=None, replace_nan=False, validate=True, **kwargs)[source]#

从指定文件读取数据并返回一个已初始化 Woodwork 类型信息的 DataFrame。

注意

由于 fastparquet 引擎无法处理可为空的 pandas dtypes，因此将使用 pyarrow 从 parquet 和 arrow 文件读取。

参数:

  • filepath (str) – 要读取的文件的有效字符串路径

  • content_type (str) – 要读取的文件内容类型

  • name (str, optional) – 用于标识 DataFrame 的名称。

  • index (str, optional) – 索引列的名称。

  • time_index (str, optional) – 时间索引列的名称。

  • semantic_tags (dict, optional) – 将 DataFrame 中的列名映射到列的语义标签的字典。字典中的键应为字符串，对应于底层 DataFrame 中的列。指定字典值有两种选择：(str)：如果只设置一个语义标签，可以使用单个字符串作为值。(list[str] 或 set[str])：如果要设置多个标签，可以使用字符串列表或集合作为值。对于未包含在字典中的任何列，语义标签将被设置为空集。

  • logical_types (dict[str -> LogicalType], optional) – 将 DataFrame 中的列名映射到列的 LogicalType 的字典。对于字典中不存在的任何列，将推断其 LogicalTypes。

  • use_standard_tags (bool, optional) – 如果为 True，将根据列的推断或指定的逻辑类型为列添加标准语义标签。默认为 True。

  • column_origins (str or dict[str -> str], optional) – 每列的来源。如果提供字符串，则用作所有列的来源。可以使用字典为单个列设置来源。

  • replace_nan (bool, optional) – 是否将空字符串值和 NaN 值的字符串表示形式（“nan”、“<NA>”）替换为基于列 dtype 的 np.nan 或 pd.NA 值。默认为 False。

  • validate (bool, optional) – 是否应进行参数和数据验证。默认为 True。警告：仅当已知参数和数据有效时，才应将其设置为 False。跳过无效输入验证可能导致的任何错误可能不易理解。

  • **kwargs – 传递给底层 pandas 读取文件函数的额外关键字参数。有关可用关键字的更多信息，请参阅 pandas 文档。

返回值:

从指定文件创建的 DataFrame，并已初始化 Woodwork 类型信息。

返回值类型:

pd.DataFrame