pandas.read_csv / read_table

pandas.read_csv(filepath_or_buffer, 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, 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, iterator=False,chunksize=None, compression='infer', thousands=None, decimal=b'.', lineterminator=None, quotechar='"', quoting=0,escapechar=None, comment=None, encoding=None, dialect=None, tupleize_cols=None, error_bad_lines=True,warn_bad_lines=True, skipfooter=0, skip_footer=0, doublequote=True, delim_whitespace=False, as_recarray=None,compact_ints=None, use_unsigned=None, low_memory=True, buffer_lines=None, memory_map=False,float_precision=None)

功能：将文件读入DataFrame,还支持可选的将文件迭代或分割成块。

参数：filepath_or_buffer :表示文件系统位置、URL、文件型对象的字符串　　　　

　　　sep或delimiter : 用于对行中各字段进行拆分的字符序列或正则表达式              ‘\r','\t',多种分隔符时使用 '\s+'

　　　header : 用做列名的行号。默认为0（第一行），若是没有header行就应该设置为None

　　　index_col : 用做行索引的列编号或列名。能够是单个名称/数字或由多个名称/数字组成的列表（层次化索引）

　　　names : 用于结果的列名列表，结合header=None

　　　skiprows : 须要忽略的行数（从文件开始处算起），或须要跳过的行号列表（从0开始）

　　　na_values :  将这个值替换成NA

　　　comment :  用于将注释信息从行尾拆分出去的字符（一个或多个）

　　　parse_dates : 尝试将数据解析为日期，默认为False。若是为True，则尝试解析因此列。此外，还能够指定须要解析的一组列号或列名。若是列表的元素为列表或元组，就会将多个列组合到一块儿再进行日期解析工做（例如，日期/时间分别位于两个列中。）

　　　keep_data_col : 若是链接多列解析日期，则保持参与链接的列。默认为False

　　　converters : 有列号/列名跟函数之间的映射关系组成的字典。例如，{'foo' : f}会对foo列的全部值应用函数f

　　　dayfirst : 当解析有歧义的日期时，将其看做国际格式（例如，7/6/2012 → June 7,2012）。默认为False

　　　data_parser : 用于解析日期的函数

　　　nrows : 须要读取的行数（从文件开始处算起）

　　　iterator : 返回一个TextParser以便逐块读取文件

　　　chunksize : 文件块的大小（用于迭代）

　　　skip_footer : 须要忽略的行数（从文件末尾处算起）

　　　verbose : 打印各类解析器输出信息，好比“非数值列中缺失值的数量”等

　　　encoding : 用于unicode文本编码格式。例如，“utf-8”表示用UTF-8编码的文本

　　　squeeze : 若是数据经解析后仅含一行，则返回Series

　　　thousands : 千分位分隔符，如","或“.”