從事數據分析工作，經常需要進行數據清洗，pandas庫是數據分析最常用的庫之一。本文根據官方文檔對pandas的read_csv()函數進行說明。read_csv()函數是用來讀取csv文件的內容進而轉化爲易於操作的數據結構dataframe的常用函數。具有十分強大的功能，可以傳入多種參數，下面就根據官方文檔以及自己的實踐，詳細介紹各個參數，對於不易理解的參數會附上示例代碼。
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, doublequote=True, delim_whitespace=False, low_memory=True, memory_map=False, float_precision=None)
filepath_or_buffer：任何有效的字符串路徑。
有效的字符串路徑包括文件路徑對象和類文件對象。文件路徑對象包括csv文件的絕對路徑、相對路徑和URL，如本地的文件路徑就可以寫成file://localhost/path/to/table.csv；類文件對象則是先對csv文件進行IO封裝，再使用read_csv()函數進行調用，比如說Python內置的open()函數。以下給出示例代碼。
from pandas import read_csv # 文件路徑對象 result1 = read_csv('table.csv') # 相對路徑 result2 = read_csv('E://demo/table.csv') # 絕對路徑 result3 = read_csv('file://localhost/E://demo/table.csv') # URL # 類文件對象 f = open('table.csv') result4 = read_csv(f)sep：str，default ','.
一般csv默認逗號爲分隔符，如果想使用其他字符對csv文件進行分隔可以指定爲其他的字符，此外，還可以指定正則表達式爲分隔符。
delimiter：str，默認爲None。sep的別名。
header：int，list of int, default 'infer'.
指定DataFrame的某行爲列標籤，默認爲第一行，等同於header=0。如果header=1，則第二行選爲列標籤。特別的，如果header=None，則列名爲0,1,2,3......如果設置header=[0,1,2]，則將0，1，2中的值組合爲列名。注意：header=0表示數據的第一行而不是文件的第一行，因爲有時我們會跳過空白行，此時header=0不會指定跳過的空白行作爲列標籤。
names：array-like, optional.
可以將header設爲None然後傳入一個類數組結構自定義列標籤。
index_col：int, str, sequence of int / str, or False, default
None.與header類似，指定列作爲Dataframe的行標籤，可以選擇多列組合爲行標籤。
usecols：list-like or callable.
可以選擇想要返回的列，可以按列數取，也可以按列名取。
squeeze：bool, default False.
如果參數數據只包含一列，則返回的是一個Series。
prefix：bool, default True.
當header=None時給列標籤添加前綴。如：prefix='X'，則列標籤爲['X1', 'X2', 'X3'......]。
mangle_dupe_cols：bool, default True.
區分重複的列，示例如下：
# csv文件中的第一行爲['x', 'x', 'x'] file.columns == ['x', 'x', 'x'] # 如果mangle_dupe_cols是True if mangle_dupe_cols is True: # dataframe的第一行是['x', 'x.1', 'x.2'] dataframe.columns = ['x', 'x.1', 'x.2'] # 如果mangle_dupe_cols是False else: # dataframe的第一行是['x'],x對應csv文件中的第三列,因爲後面的列會將前面的列覆蓋掉 dataframe.columns = ['x']dtype：Type name or dict of column -> type.
設置數據類型，可以整個data設置爲string，也可以按列設置。當converters函數被指定，則會優先使用converters中指定的數據類型。示例如下：
from pandas import read_csv # 爲整個data集指定數據類型 read_csv('table.csv', dtype=str) # 爲指定列設置數據類型 read_csv('table.csv', dtype={'r1': str, 'r2': int})converters：dict.
爲指定列設置數據類型，Keys可以是字符串（列名），也可以是整型（列的位置）。