导读：pandas.read_csv接口用于读取CSV格式的数据文件，由于CSV文件使用非常频繁，功能强大，参数众多，因此在这里专门做详细介绍。
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URLpd.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'data\data.csv'和'E:\data\data.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：
fromioimportStringIOdata=('col1,col2,col3\n''a,b,1\n''a,b,2\n''c,d,3')pd.read_csv(StringIO(data))pd.read_csv(StringIO(data),dtype=object)也可以传入字节数据：
fromioimportBytesIOdata=(b'word,length\n'b'Tr\xc3\xa4umen,7\n'b'Gr\xc3\xbc\xc3\x9fe,5')pd.read_csv(BytesIO(data))
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（\t）、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='\t')#制表符分隔tabpd.read_table(data)#read_table默认是制表符分隔tabpd.read_csv(data,sep='|')#制表符分隔tabpd.read_csv(data,sep="(?<!a)\|(?!1)",engine='python')#使用正则表达式
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Nonepd.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=lambdax: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Seriespd.read_csv(data,usecols=[0],squeeze=True)#有两列则还是dfpd.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。
#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URLpd.read_csv('https://www.gairuo.com/file/data/dataset/GDP-China.csv')010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。
#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URLpd.read_csv('https://www.gairuo.com/file/data/dataset/GDP-China.csv')111数据类型
dtype可以指定各数据列的数据类型。
#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URLpd.read_csv('https://www.gairuo.com/file/data/dataset/GDP-China.csv')212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。
#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URLpd.read_csv('https://www.gairuo.com/file/data/dataset/GDP-China.csv')313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。
#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URLpd.read_csv('https://www.gairuo.com/file/data/dataset/GDP-China.csv')414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。
#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URLpd.read_csv('https://www.gairuo.com/file/data/dataset/GDP-China.csv')515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）：
#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URLpd.read_csv('https://www.gairuo.com/file/data/dataset/GDP-China.csv')6尾部跳过，从文件尾部开始忽略，C引擎不支持。
#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URLpd.read_csv('https://www.gairuo.com/file/data/dataset/GDP-China.csv')7skip_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。
#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URLpd.read_csv('https://www.gairuo.com/file/data/dataset/GDP-China.csv')8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。
#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URLpd.read_csv('https://www.gairuo.com/file/data/dataset/GDP-China.csv')917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：
fromioimportStringIOdata=('col1,col2,col3\n''a,b,1\n''a,b,2\n''c,d,3')pd.read_csv(StringIO(data))pd.read_csv(StringIO(data),dtype=object)0使用na_values时需要关注下面keep_default_na的配合使用和影响：
fromioimportStringIOdata=('col1,col2,col3\n''a,b,1\n''a,b,2\n''c,d,3')pd.read_csv(StringIO(data))pd.read_csv(StringIO(data),dtype=object)118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。
表3-2keep_default_na和na_values的取值逻辑关系
- 说明：如果na_filter为False（默认为True），那么keep_default_na和na_values参数均无效。
fromioimportStringIOdata=('col1,col2,col3\n''a,b,1\n''a,b,2\n''c,d,3')pd.read_csv(StringIO(data))pd.read_csv(StringIO(data),dtype=object)2na_filter为是否检查丢失值（空字符串或空值）。对于大文件来说，数据集中没有空值，设定na_filter=False可以提升读取速度。
fromioimportStringIOdata=('col1,col2,col3\n''a,b,1\n''a,b,2\n''c,d,3')pd.read_csv(StringIO(data))pd.read_csv(StringIO(data),dtype=object)319日期时间解析
日期时间解析器参数date_parser用于解析日期的函数，默认使用dateutil.parser.parser来做转换。
如果为某些或所有列启用了parse_dates，并且datetime字符串的格式都相同，则通过设置infer_datetime_format=True，可以大大提高解析速度，pandas将尝试推断datetime字符串的格式，然后使用更快的方法解析字符串，从而将解析速度提高5～10倍。如果无法对整列做出正确的推断解析，Pandas将返回到正常的解析模式。
下面是一些可自动推断的日期时间字符串示例，它们都表示2020年12月30日00:00:00：
- "20201230"
- "2020/12/30"
- "2020123000:00:00"
- "12/30/202000:00:00"
- "30/Dec/202000:00:00"
- "30/December/202000:00:00"
fromioimportStringIOdata=('col1,col2,col3\n''a,b,1\n''a,b,2\n''c,d,3')pd.read_csv(StringIO(data))pd.read_csv(StringIO(data),dtype=object)4parse_dates参数用于对时间日期进行解析。
fromioimportStringIOdata=('col1,col2,col3\n''a,b,1\n''a,b,2\n''c,d,3')pd.read_csv(StringIO(data))pd.read_csv(StringIO(data),dtype=object)5如果infer_datetime_format被设定为True并且parse_dates可用，那么Pandas将尝试转换为日期类型。
fromioimportStringIOdata=('col1,col2,col3\n''a,b,1\n''a,b,2\n''c,d,3')pd.read_csv(StringIO(data))pd.read_csv(StringIO(data),dtype=object)6如果用上文中的parse_dates参数将多列合并并解析成一个时间列，设置keep_date_col的值为True时，会保留这些原有的时间组成列；如果设置为False，则不保留这些列。
fromioimportStringIOdata=('col1,col2,col3\n''a,b,1\n''a,b,2\n''c,d,3')pd.read_csv(StringIO(data))pd.read_csv(StringIO(data),dtype=object)7对于DD/MM格式的日期类型，如日期2020-01-06，如果dayfirst=True，则会转换成2020-06-01。
fromioimportStringIOdata=('col1,col2,col3\n''a,b,1\n''a,b,2\n''c,d,3')pd.read_csv(StringIO(data))pd.read_csv(StringIO(data),dtype=object)8cache_dates如果为True，则使用唯一的转换日期缓存来应用datetime转换。解析重复的日期字符串，尤其是带有时区偏移的日期字符串时，可能会大大提高速度。
fromioimportStringIOdata=('col1,col2,col3\n''a,b,1\n''a,b,2\n''c,d,3')pd.read_csv(StringIO(data))pd.read_csv(StringIO(data),dtype=object)920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。
fromioimportBytesIOdata=(b'word,length\n'b'Tr\xc3\xa4umen,7\n'b'Gr\xc3\xbc\xc3\x9fe,5')pd.read_csv(BytesIO(data))0
chunksize指定文件块的大小，分块处理大型CSV文件。
fromioimportBytesIOdata=(b'word,length\n'b'Tr\xc3\xa4umen,7\n'b'Gr\xc3\xbc\xc3\x9fe,5')pd.read_csv(BytesIO(data))1
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。
fromioimportBytesIOdata=(b'word,length\n'b'Tr\xc3\xa4umen,7\n'b'Gr\xc3\xbc\xc3\x9fe,5')pd.read_csv(BytesIO(data))2
encoding（编码）指定字符集类型，通常指定为'utf-8'。
fromioimportBytesIOdata=(b'word,length\n'b'Tr\xc3\xa4umen,7\n'b'Gr\xc3\xbc\xc3\x9fe,5')pd.read_csv(BytesIO(data))3
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thousands：
fromioimportBytesIOdata=(b'word,length\n'b'Tr\xc3\xa4umen,7\n'b'Gr\xc3\xbc\xc3\x9fe,5')pd.read_csv(BytesIO(data))4
小数点decimal，识别为小数点的字符。
fromioimportBytesIOdata=(b'word,length\n'b'Tr\xc3\xa4umen,7\n'b'Gr\xc3\xbc\xc3\x9fe,5')pd.read_csv(BytesIO(data))5
行结束符lineterminator，将文件分成几行的字符，仅对C解析器有效。
fromioimportBytesIOdata=(b'word,length\n'b'Tr\xc3\xa4umen,7\n'b'Gr\xc3\xbc\xc3\x9fe,5')pd.read_csv(BytesIO(data))6
引号quotechar，用于表示引用数据的开始和结束的字符。引用的项目可以包含定界符，它将被忽略。
fromioimportBytesIOdata=(b'word,length\n'b'Tr\xc3\xa4umen,7\n'b'Gr\xc3\xbc\xc3\x9fe,5')pd.read_csv(BytesIO(data))7
在csv模块中，数据可能会用引号等字符包裹起来，quoting参数用来控制识别字段的引号模式，它可以是Pythoncsv模块中的csv.QUOTE_*常量，也可以传入对应的数字。各个传入值的意义如下。
- 0或csv.QUOTE_MINIMAL：仅特殊字段有引号。
- 1或csv.QUOTE_ALL：所有字段都有引号。
- 2或csv.QUOTE_NONNUMERIC：所有非数字字段都有引号。
- 3或csv.QUOTE_NONE：所有字段都没有引号。
如果使用csv模块，则需要事先引入csv模块。
fromioimportBytesIOdata=(b'word,length\n'b'Tr\xc3\xa4umen,7\n'b'Gr\xc3\xbc\xc3\x9fe,5')pd.read_csv(BytesIO(data))8
双引号doublequote，当单引号已经被定义，并且quoting参数不是QUOTE_NONE的时候，使用双引号表示将引号内的元素作为一个元素使用。
fromioimportBytesIOdata=(b'word,length\n'b'Tr\xc3\xa4umen,7\n'b'Gr\xc3\xbc\xc3\x9fe,5')pd.read_csv(BytesIO(data))9
escapechar可以传入一个转义符，用于过滤数据中的该转入符。比如，如果一行用双引号包裹着的数据中有换行符，用以下代码可以过滤其中的换行符。
#数据分隔符默认是逗号，可以指定为其他符号pd.read_csv(data,sep='\t')#制表符分隔tabpd.read_table(data)#read_table默认是制表符分隔tabpd.read_csv(data,sep='|')#制表符分隔tabpd.read_csv(data,sep="(?<!a)\|(?!1)",engine='python')#使用正则表达式0
注释标识comment，指示不应分析行的部分。如果在一行的开头找到该标识，则将完全忽略该行。此参数必须是单个字符。像空行一样（只要skip_blank_lines=True），注释的行将被参数header忽略，而不是被skiprows忽略。例如，如果comment='＃'，则解析header=0的'#empty\na，b，c\n1,2,3'会将'a，b，c'视为header。
#数据分隔符默认是逗号，可以指定为其他符号pd.read_csv(data,sep='\t')#制表符分隔tabpd.read_table(data)#read_table默认是制表符分隔tabpd.read_csv(data,sep='|')#制表符分隔tabpd.read_csv(data,sep="(?<!a)\|(?!1)",engine='python')#使用正则表达式1
空格分隔符delim_whitespace，指定是否将空格（例如''或'\t'）用作分隔符，等效于设置sep='\s+'。如果此选项设置为True，则不应该为delimiter参数传递任何内容。
#数据分隔符默认是逗号，可以指定为其他符号pd.read_csv(data,sep='\t')#制表符分隔tabpd.read_table(data)#read_table默认是制表符分隔tabpd.read_csv(data,sep='|')#制表符分隔tabpd.read_csv(data,sep="(?<!a)\|(?!1)",engine='python')#使用正则表达式2
22小结
通过本文的介绍，我们了解了读取CSV文件的一些参数的功能，也了解了在读取CSV文件时可以做一些初步的数据整理工作。