我正在尝试解压缩一个 csv 文件并将其传递给 pandas，以便我可以处理该文件。
到目前为止我尝试过的代码是：
import requests, zipfile, StringIO
r = requests.get('http://data.octo.dc.gov/feeds/crime_incidents/archive/crime_incidents_2013_CSV.zip')
z = zipfile.ZipFile(StringIO.StringIO(r.content))
crime2013 = pandas.read_csv(z.read('crime_incidents_2013_CSV.csv'))
在最后一行之后，虽然python能够获取文件，但我在错误的末尾得到一个“不存在”。
谁能告诉我我做错了什么？
【问题讨论】：
如果您想将压缩文件或 tar.gz 文件读入 pandas 数据帧，read_csv 方法包含此特定实现。
df = pd.read_csv('filename.zip')
或长格式：
df = pd.read_csv('filename.zip', compression='zip', header=0, sep=',', quotechar='"')
docs 中压缩参数的描述：
压缩 : {‘infer’, ‘gzip’, ‘bz2’, ‘zip’, ‘xz’, None}，默认‘infer’ 用于磁盘数据的即时解压缩。如果“infer”和 filepath_or_buffer 类似于路径，则从以下扩展名检测压缩：“.gz”、“.bz2”、“.zip”或“.xz”（否则不解压缩）。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 不解压缩。
0.18.1 版中的新功能：支持“zip”和“xz”压缩。
【讨论】：
quotechar？
.tar.gz 文件，但它可能只适用于.gz 文件。
我想你想open ZipFile，它返回一个类似文件的对象，而不是read：
In [11]: crime2013 = pd.read_csv(z.open('crime_incidents_2013_CSV.csv'))
In [12]: crime2013
Out[12]:
<class 'pandas.core.frame.DataFrame'>
Int64Index: 24567 entries, 0 to 24566
Data columns (total 15 columns):
CCN 24567 non-null values
REPORTDATETIME 24567 non-null values
SHIFT 24567 non-null values
OFFENSE 24567 non-null values
METHOD 24567 non-null values
LASTMODIFIEDDATE 24567 non-null values
BLOCKSITEADDRESS 24567 non-null values
BLOCKXCOORD 24567 non-null values
BLOCKYCOORD 24567 non-null values
WARD 24563 non-null values
ANC 24567 non-null values
DISTRICT 24567 non-null values
PSA 24567 non-null values
NEIGHBORHOODCLUSTER 24263 non-null values
BUSINESSIMPROVEMENTDISTRICT 3613 non-null values
dtypes: float64(4), int64(1), object(10)
【讨论】：
pd.read_csv(z.open('crime_incidents_2013_CSV.csv'), parse_dates=['REPORTDATETIME', 'LASTMODIFIEDDATE'])
pd.read_csv(z.open(z.infolist()[0].filename))
看来您甚至不必再指定压缩方式了。下面的 sn -p 将 filename.zip 中的数据加载到 df 中。
import pandas as pd
df = pd.read_csv('filename.zip')
（当然，如果分隔符、标题等与默认值不同，则需要指定它们。）
【讨论】：
对于“zip”文件，您可以使用import zipfile，您的代码只需使用这些行即可：
import zipfile
import pandas as pd
with zipfile.ZipFile("Crime_Incidents_in_2013.zip") as z:
with z.open("Crime_Incidents_in_2013.csv") as f:
train = pd.read_csv(f, header=0, delimiter="\t")
print(train.head()) # print the first 5 rows
结果将是：
X,Y,CCN,REPORT_DAT,SHIFT,METHOD,OFFENSE,BLOCK,XBLOCK,YBLOCK,WARD,ANC,DISTRICT,PSA,NEIGHBORHOOD_CLUSTER,BLOCK_GROUP,CENSUS_TRACT,VOTING_PRECINCT,XCOORD,YCOORD,LATITUDE,LONGITUDE,BID,START_DATE,END_DATE,OBJECTID
0 -77.054968548763071,38.899775938598317,0925135...
1 -76.967309569035052,38.872119553647011,1003352...
2 -76.996184958456539,38.927921847721443,1101010...
3 -76.943077541353617,38.883686046653935,1104551...
4 -76.939209158039446,38.892278093281632,1125028...
【讨论】：
我猜你下面的样子是什么
from io import BytesIO
import requests
import pandas as pd
result = requests.get("https://www.xxx.zzz/file.zip")
df = pd.read_csv(BytesIO(result.content),compression='zip', header=0, sep=',', quotechar='"')
【讨论】：
https://www.kaggle.com/jboysen/quick-gz-pandas-tutorial
请点击此链接。
import pandas as pd
traffic_station_df = pd.read_csv('C:\\Folders\\Jupiter_Feed.txt.gz', compression='gzip',
header=1, sep='\t', quotechar='"')
#traffic_station_df['Address'] = 'address'
#traffic_station_df.append(traffic_station_df)
print(traffic_station_df)
【讨论】：