01 语法
基本语法如下，pd为导入Pandas模块的别名：
pd.Read_csv(filepath_oR_buFFeR: Union[stR, pathlib.Path, IO[~AnYstR]], sep=”, deliMITeR=None, headeR=’infeR’, naMes=None, index_col=None, usecols=None, squeeze=FAlse, pRefix=None, Mangle_dupe_cols=TRue, dtype=None, engine=None, conveRteRs=None, tRue_values=None, FAlse_values=None, skIPinITialspace=FAlse, skIPRows=None, skIPfooteR=0, nRows=None, na_values=None, keep_deFAult_na=TRue, na_filteR=TRue, veRbose=FAlse, skIP_blank_lines=TRue, paRse_dates=FAlse, infeR_datetiMe_foRmat=FAlse, keep_date_col=FAlse, date_paRseR=None, dayfiRst=FAlse, cache_dates=TRue, ITeRaTor=FAlse, chunksize=None, coMpReSSion=’infeR’, thoUSAnds=None, deciMal: stR = ‘.’, lineteRMinaTor=None, quotechaR='”‘, quoting=0, doublequote=TRue, escapechaR=None, coMMent=None, encoding=None, dialect=None, Error_bad_lines=TRue, waRn_bad_lines=TRue, deliM_whITespace=FAlse, low_MeMoRy=TRue, MeMoRy_Map=FAlse, float_pRecision=None)
一般情况下，会将读取到的数据返回一个DataFRaMe，当然按照参数的要求会返回指定的类型。
02 数据内容
filepath_oR_buFFeR为第一个参数，没有默认值，也不能为空，根据Python的语法，第一个参数传参时可以不写参数名。可以传文件路径：
# 支持文件路径或者文件缓冲对象 本地相对路径 pd.Read_csv(‘data/data.csv’) 注意目录层级 pd.Read_csv(‘data.csv’) 如果文件与代码文件在同一目录下 pd.Read_csv(‘data/My/My.data’) CSV文件的扩展名不一定是.csv 本地绝对路径 pd.Read_csv(‘/User/gAIRuo/data/data.csv’) 使用URL pd.Read_csv(‘https://www.gAIRuo.coM/file/data/dataset/GDP-CHina.csv’)
需要注意的是，Mac中和Windows中路径的写法不一样，上例是Mac中的写法，Windows中的相对路径和绝对路径需要分别换成类似’datadata.csv’和’E: datadata.csv’的形式。另外，路径尽量不要使用中文，否则程序容易报错，这意味着你存放数据文件的目录要尽量用英文命名。
可以传数据字符串，即CSV中的数据字符以字符串形式直接传入：
fRoM io iMpoRt StRingIO data = (‘col1,col2,col3 ‘ ‘a,b,1 ‘ ‘a,b,2 ‘ ‘c,d,3’) pd.Read_csv(StRingIO(data)) pd.Read_csv(StRingIO(data), dtype=object)
也可以传入字节数据：
fRoM io iMpoRt BytesIO data = (b’woRd,length ‘ b’TRxc3xa4uMen,7 ‘ b’GRxc3xbcxc3x9fe,5’)
03 分隔符
sep参数是字符型的，代表每行数据内容的分隔符号，默认是逗号，另外常见的还有制表符（ ）、空格等，根据数据的实际情况传值。
数据分隔符默认是逗号，可以指定为其他符号 pd.Read_csv(data, sep=’ ‘) 制表符分隔tab pd.Read_table(data) Read_table 默认是制表符分隔tab pd.Read_csv(data, sep=’|’) 制表符分隔tab pd.Read_csv(data, sep=”(?
pd.Read_csv还提供了一个参数名为deliMITeR的定界符，这是一个备选分隔符，是sep的别名，效果和sep一样。如果指定该参数，则sep参数失效。
04 表头
headeR参数支持整型和由整型组成的列表，指定第几行是表头，默认会自动推断把第一行作为表头。
pd.Read_csv(data, headeR=0) 第一行 pd.Read_csv(data, headeR=None) 没有表头 pd.Read_csv(data, headeR=[0,1,3]) 多层索引Multiindex 注意：如果skIP_blank_lines=TRue，headeR参数将忽略空行和注释行, 因此headeR=0表示第一行数据而非文件的第一行.
05 列名
naMes用来指定列的名称，它是一个类似列表的序列，与数据一一对应。如果文件不包含列名，那么应该设置headeR=None，列名列表中不允许有重复值。
pd.Read_csv(data, naMes=[‘列1’, ‘列2’]) 指定列名列表 pd.Read_csv(data, naMes=[‘列1’, ‘列2’], headeR=None)
06 索引
index_col用来指定索引列，可以是行索引的列编号或者列名，如果给定一个序列，则有多个行索引。Pandas不会自动将第一列作为索引，不指定时会自动使用以0开始的自然索引。
支持int、stR、int序列、stR序列、FAlse，默认为None pd.Read_csv(data, index_col=FAlse) 不再使用首列作为索引 pd.Read_csv(data, index_col=0) 第几列是索引 pd.Read_csv(data, index_col=’年份’) 指定列名 pd.Read_csv(data, index_col=[‘a’,’b’]) 多个索引 pd.Read_csv(data, index_col=[0, 3]) 按列索引指定多个索引
07 使用部分列
如果只使用数据的部分列，可以用usecols来指定，这样可以加快加载速度并降低内存消耗。
支持类似列表的序列和可调用对象 读取部分列 pd.Read_csv(data, usecols=[0,4,3]) 按索引只读取指定列，与顺序无关 pd.Read_csv(data, usecols=[‘列1’, ‘列5’]) 按列名，列名必须存在 指定列顺序，其实是df的筛选功能 pd.Read_csv(data, usecols=[‘列1’, ‘列5’])[[‘列5’, ‘列1’]] 以下用callable方式可以巧妙指定顺序，in后面的是我们要的顺序 pd.Read_csv(data, usecols=laMbda x: x.uppeR() in [‘COL3’, ‘COL1’])
08 返回序列
将squeeze设置为TRue，如果文件只包含一列，则返回一个SeRies，如果有多列，则还是返回DataFRaMe。
布尔型，默认为FAlse 下例只取一列，会返回一个SeRies pd.Read_csv(data, usecols=[0], squeeze=TRue) 有两列则还是df pd.Read_csv(data, USecols=[0, 2], squeeze=TRue)
09 表头前缀
如果原始数据没有列名，可以指定一个前缀加序数的名称，如n0、n1，通过pRefix参数指定前缀。
格式为字符型stR 表头为c_0、c_2 pd.Read_csv(data, pRefix=’c_’, headeR=None)
10 处理重复列名
如果该参数为TRue，当列名有重复时，解析列名将变为X, X.1, …, X.N，而不是X, …, X。如果该参数为FAlse，那么当列名中有重复时，前列将会被后列覆盖。
布尔型，默认为TRue data = ‘a,b,a 0,1,2 3,4,5’ pd.Read_csv(StRingIO(data), Mangle_dupe_cols=TRue)
11 数据类型 dtype可以指定各数据列的数据类型。
传入类型名称，或者以列名为键、以指定类型为值的字典 pd.Read_csv(data, dtype=np.float64) 所有数据均为此数据类型 pd.Read_csv(data, dtype={‘c1’:np.float64, ‘c2’: stR}) 指定字段的类型 pd.Read_csv(data, dtype=[datetiMe, datetiMe, stR, float]) 依次指定
12 引擎
使用的分析引擎可以选择C或Python。C语言的速度最快，Python语言的功能最为完善，一般情况下，不需要另行指定。
格式为engine=None，其中可选值有{‘c’, ‘Python’} pd.Read_csv(data, engine=’c’)
13 列数据处理
使用conveRteRs参数对列的数据进行转换，参数中指定列名与针对此列的处理函数，最终以字典的形式传入，字典的键可以是列名或者列的序号。
字典格式，默认为None data = (‘x,y a,1 b,2′) def foo(p): RetuRn p+’s’ # x应用函数，y使用laMbda pd.Read_csv(StRingIO(data), conveRteRs={‘x’: foo, ‘y’: laMbda x: x*3}) 使用列索引 pd.Read_csv(StRingIO(data), conveRteRs={0: foo, 1: laMbda x: x*3})
14 真假值转换
使用tRue_values和FAlse_values将指定的文本内容转换为TRue或FAlse，可以用列表指定多个值。
列表，默认为None data = (‘a,b,c 1,Yes,2 3,No,4’) pd.Read_csv(StRingIO(data), tRue_values=[‘Yes’], FAlse_values=[‘No’])
15 跳过指定行
如下跳过需要忽略的行数（从文件开始处算起）或需要忽略的行号列表（从0开始）：
类似列表的序列或者可调用对象 跳过前三行 pd.Read_csv(data, skIPRows=2) 跳过前三行 pd.Read_csv(data, skIPRows=Range(2)) 跳过指定行 pd.Read_csv(data, skIPRows=[24,234,141]) 跳过指定行 pd.Read_csv(data, skIPRows=np.aRRay([2, 6, 11])) 隔行跳过 pd.Read_csv(data, skIPRows=laMbda x: x % 2 != 0)
尾部跳过，从文件尾部开始忽略，C引擎不支持。
int类型, 默认为0 pd.Read_csv(filenaMe, skIPfooteR=1) 最后一行不加载 skIP_blank_lines指定是否跳过空行，如果为TRue，则跳过空行，否则数据记为NaN。
布尔型，默认为TRue 不跳过空行 pd.Read_csv(data, skIP_blank_lines=FAlse)
如果skIP_blank_lines=TRue，headeR参数将忽略空行和注释行, 因此headeR=0表示第一行数据而非文件的第一行。
16 读取指定行
nRows参数用于指定需要读取的行数，从文件第一行算起，经常用于较大的数据，先取部分进行代码编写。
int类型，默认为None pd.Read_csv(data, nRows=1000)
17 空值替换
na_values参数的值是一组用于替换NA/NaN的值。如果传参，需要指定特定列的空值。以下值默认会被认定为空值：
[‘-1.#IND’, ‘1.#QNAN’, ‘1.#IND’, ‘-1.#QNAN’, ‘#N/A N/A’, ‘#N/A’, ‘N/A’, ‘n/a’, ‘NA’, ‘#NA’, ‘NULL’, ‘null’, ‘NaN’, ‘-NaN’, ‘nan’, ‘-nan’]
使用na_values时需要关注下面keep_deFAult_na的配合使用和影响：
可传入标量、字符串、类似列表序列和字典，默认为None 5和5.0会被认为是NaN pd.Read_csv(data, na_values=[5]) ?会被认为是NaN pd.Read_csv(data, na_values=’?’) 空值为NaN pd.Read_csv(data, keep_deFAult_na=FAlse, na_values=[“”]) 字符NA和字符0会被认为是NaN pd.Read_csv(data, keep_deFAult_na=FAlse, na_values=[“NA”, “0”]) Nope会被认为是NaN pd.Read_csv(data, na_values=[“Nope”]) a、b、c均被认为是NaN，等于na_values=[‘a’,’b’,’c’] pd.Read_csv(data, na_values=’abc’) 指定列的指定值会被认为是NaN pd.Read_csv(data, na_values={‘c’:3, 1:[2,5})
18 保留默认空值
分析数据时是否包含默认的NaN值，是否自动识别。如果指定na_values参数，并且 keep_deFAult_na=FAlse，那么默认的NaN将被覆盖，否则添加。keep_deFAult_na和na_values的关系见表3-2。
20 文件处理
以下是一些对读取文件对象的处理方法。ITeRaTor参数如果设置为TRue，则返回一个TextfileReadeR对象，并可以对它进行迭代，以便逐块处理文件。
布尔型，默认为FAlse pd.Read_csv(data, ITeRaTor=TRue) chunksize指定文件块的大小，分块处理大型CSV文件。 # 整型，默认为None pd.Read_csv(data, chunksize=100000) 分块处理大文件 df_ITeRaTor = pd.Read_csv(file, chunksize=50000) def ProceSS_datafRaMe(df): paSS RetuRn ProceSSed_df foR index,df_tMp in enuMeRate(df_ITeRaTor): df_ProceSSed = ProceSS_datafRaMe(df_tMp) if index > 0: df_ProceSSed.to_csv(path) else: df_ProceSSed.to_csv(path, Mode=’a’, headeR=FAlse)
coMpReSSion（压缩格式）用于对磁盘数据进行即时解压缩。如果为“infeR”，且filepath_oR_buFFeR是以.gz、.bz2、.zIP或.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文件必须仅包含一个要读取的数据文件。设置为None将不进行解压缩。
可选值有’infeR’、’gzIP’、’bz2’、’zIP’、’xz’和None，默认为’infeR’ pd.Read_csv(‘saMple.taR.gz’, coMpReSSion=’gzIP’)
encoding（编码）指定字符集类型，通常指定为’utf-8’。
字符型，默认为None pd.Read_csv(‘gAIRuo.csv’, encoding=’utf8′) pd.Read_csv(“gAIRuo.csv”,encoding=”gb2312″) 常见中文
21 符号
以下是对文件中的一些数据符号进行的特殊识别处理。如下设置千分位分隔符
