pandas.read_csv() 是 Pandas 库中用于读取 CSV 文件并将其转化为 DataFrame 的重要函数。下面是关于 pandas.read_csv() 的详细用法与一些常见的技巧：

基本用法

import pandas as pd  
# 读取 CSV 文件  
df = pd.read_csv('file.csv')  

常用参数

1. filepath_or_buffer:

   • 字符串，表示要读取的文件路径。
   • 也可以是 URL，Pandas 可以直接从网上读取文件。

2. sep:

   • 指定列分隔符，默认为逗号 ','。
   • 可以自定义为其他分隔符，例如制表符 '\t', 分号 ';' 等。

3. delimiter:

   • 与 sep 功能相似，指定分隔符。一般使用 sep 更为常见。

4. header:

   • 用于指定作为列名的行号，默认为 0（第一行）。
   • 若文件不包含列名，可以设置为 None。

5. names:

   • 用于指定列名。若设定此参数则 header 参数失效。
   • 如 names=['col1', 'col2']。

6. index_col:

   • 指定使用一列或多列作索引。
   • 如 index_col=0 或 index_col=['col1', 'col2']。

7. usecols:

   • 指定要读取的列。
   • 接受列名列表或列序号列表，例如 usecols=['A', 'B'] 或 usecols=[0, 1]。

8. dtype:

   • 指定列的数据类型。
   • 如 dtype={'col1': int, 'col2': float}。

9. na_values:

   • 指定缺失值的标识。
   • 如 na_values=['NA', 'None', 'NaN']。

10. skiprows:

    • 用于跳过文件开头的某些行。
    • 如 skiprows=5 跳过前五行。

11. nrows:

    • 读取文件的前 n 行，用于读入部分数据进行快速测试。
    • 如 nrows=10 读取前十行。

12. parse_dates:

    • 自动解析日期。
    • 可以指定哪些列需要解析为日期格式， 如 parse_dates=['date_column']。

13. encoding:

    • 设置文件编码，默认为 None。
    • 常用于处理特殊编码文件，如 encoding='utf-8' 或 encoding='ISO-8859-1'。

一些技巧

1. 按块读取大文件：

   • 使用 chunksize 参数分块读取，避免内存不足。

   chunksize = 1000  # 按 1000 行一块读取  
   for chunk in pd.read_csv('large_file.csv', chunksize=chunksize):  
      # 对每块数据进行处理  

2. 只读取特定行或列：

   • 使用 usecols 和 skiprows，可以仅读取需要的数据以加快处理速度。

3. 自定义转换器：

   • 使用 converters 参数，可以对某列应用特定转换函数。

   df = pd.read_csv('file.csv', converters={'col_name': lambda x: x.strip()})  

4. 通过 URL 直接读取远程文件：

   • pandas 可以直接从 URL 读取文件。

   df = pd.read_csv('http://example.com/data.csv')  

通过灵活运用这些参数和技巧，pandas.read_csv() 可以非常高效地读取和处理各种格式和大小的 CSV 文件。