第二节：Pandas 的数据读取_pd.read_csv()的使用详解

在Python的数据处理库Pandas中，读取CSV文件是常见的操作。Pandas提供了pd.read_csv()函数，可以方便地读取CSV文件并转换为DataFrame对象。DataFrame是Pandas中用于数据处理的核心数据结构。
一、基础用法
pd.read_csv()函数的基本用法如下：

import pandas as pd
df = pd.read_csv('filename.csv')

其中，’filename.csv’是CSV文件的路径和名称。函数将读取CSV文件并将其存储为一个DataFrame对象。默认情况下，分隔符为逗号。
二、参数详解
pd.read_csv()函数有许多参数，可以用来定制数据读取的方式。以下是一些常用的参数：

1. filepath_or_buffer：要读取的文件路径或类似文件的对象。可以是字符串、文件对象、URL等。
2. sep或delimiter：指定字段分隔符。默认为逗号。例如，可以使用sep=' '来指定制表符作为分隔符。
3. header：指定标题行的行号。默认为0，表示第一行为标题行。如果CSV文件没有标题行，则设置为None。
4. index_col：指定用作索引的列的行号。默认为None，表示不使用任何列作为索引。
5. usecols：要读取的列的列表或数组。可以用来选择性地读取某些列。例如，usecols=['A', 'B', 'C']将只读取A、B和C列。
6. skiprows：要跳过的行数列表或生成器。可以用来跳过CSV文件中的某些行。例如，skiprows=[0, 2]将跳过第一和第三行。
7. encoding：指定文件的编码方式。默认为None，表示使用系统默认编码。如果CSV文件使用非标准编码，需要指定正确的编码方式。
8. parse_dates：将日期字符串解析为日期类型。可以是一个布尔值、一个列名列表或一个函数。例如，parse_dates=['date']将把名为’date’的列解析为日期类型。
9. infer_datetime_format：如果parse_dates参数为True，则此参数将尝试推断日期字符串的格式。默认为False。
10. skipfooter：要跳过的行数（从文件末尾开始）。默认为0，表示不跳过任何行。
11. na_values：用于识别缺失值的额外字符串或字符串列表。默认为None，表示不使用额外值来识别缺失值。