import pandas as pd
pd.read_csv(filepath_or_buffer,header,parse_dates,index_col)
參數(shù)：
filepath_or_buffer：
字符串，或者任何對象的read()方法。這個字符串可以是URL，有效的URL方案包括http、ftp、s3和文件?？梢灾苯訉懭?文件名.csv"

header：
將行號用作列名，且是數(shù)據(jù)的開頭。
注意當(dāng)skip_blank_lines=True時，這個參數(shù)忽略注釋行和空行。所以header=0表示第一行是數(shù)據(jù)而不是文件的第一行。

【注】：如果csv文件中含有中文，該如何？
1、可修改csv文件的編碼格式為unix(不能是windows)（用notepad++打開修改）
2、df = pd.read_csv(csv_file, encoding="utf-8")，設(shè)置讀取時的編碼或 encoding="gbk"
3、在使用列名來訪問DataFrame里面的數(shù)據(jù)時，對于中文列名，應(yīng)該在列名前面加'u'，表示后面跟的字符串以unicode格式存儲，如下所示
print(df[u"經(jīng)度(度)"])

(1)、header=None
即指定原始文件數(shù)據(jù)沒有列索引，這樣read_csv為其自動加上列索引{從0開始}
ceshi.csv原文件內(nèi)容：
c1,c2,c3,c4
a,0,5,10
b,1,6,11
c,2,7,12
d,3,8,13
e,4,9,14

df=pd.read_csv("ceshi.csv",header=None)
print(df)
結(jié)果：
    0   1   2   3
0  c1  c2  c3  c4
1   a   0   5  10
2   b   1   6  11
3   c   2   7  12
4   d   3   8  13
5   e   4   9  14

(2)、header=None，并指定新的索引的名字names=seq序列
df=pd.read_csv("ceshi.csv",header=None,names=range(2,6))
print(df)
結(jié)果：
    2   3   4   5
0  c1  c2  c3  c4
1   a   0   5  10
2   b   1   6  11
3   c   2   7  12
4   d   3   8  13
5   e   4   9  14


(3)、header=None，并指定新的索引的名字names=seq序列；如果指定的新的索引名字的序列比原csv文件的列數(shù)少，那么就截取原csv文件的倒數(shù)列添加上新的索引名字
df=pd.read_csv("ceshi.csv",header=0,names=range(2,4))
print(df)
結(jié)果：
        2   3
c1 c2  c3  c4
a  0    5  10
b  1    6  11
c  2    7  12
d  3    8  13
e  4    9  14


(4)、header=0
表示文件第0行（即第一行，索引從0開始）為列索引
df=pd.read_csv("ceshi.csv",header=0)
print(df)
結(jié)果：
  c1  c2  c3  c4
0  a   0   5  10
1  b   1   6  11
2  c   2   7  12
3  d   3   8  13
4  e   4   9  14

(5)、header=0，并指定新的索引的名字names=seq序列
df=pd.read_csv("ceshi.csv",header=0,names=range(2,6))
print(df)
結(jié)果：
   2  3  4   5
0  a  0  5  10
1  b  1  6  11
2  c  2  7  12
3  d  3  8  13
4  e  4  9  14
注：這里是把原csv文件的第一行換成了range(2,6)并將此作為列索引

(6)、header=0，并指定新的索引的名字names=seq序列；如果指定的新的索引名字的序列比原csv文件的列數(shù)少，那么就截取原csv文件的倒數(shù)列添加上新的索引名字
df=pd.read_csv("ceshi.csv",header=0,names=range(2,4))
print(df)
結(jié)果：
     2   3
a 0  5  10
b 1  6  11
c 2  7  12
d 3  8  13
e 4  9  14


parse_dates：
布爾類型值 or int類型值的列表 or 列表的列表 or 字典（默認(rèn)值為 FALSE）
(1)True:嘗試解析索引
(2)由int類型值組成的列表(如[1,2,3]):作為單獨數(shù)據(jù)列，分別解析原始文件中的1,2,3列
(3)由列表組成的列表(如[[1,3]]):將1,3列合并，作為一個單列進行解析
(4)字典(如{'foo'：[1, 3]}):解析1,3列作為數(shù)據(jù)，并命名為foo


index_col：
int類型值，序列，F(xiàn)ALSE（默認(rèn) None）
將真實的某列當(dāng)做index（列的數(shù)目，甚至列名）
index_col為指定數(shù)據(jù)中那一列作為Dataframe的行索引，也可以可指定多列，形成層次索引，默認(rèn)為None,即不指定行索引，這樣系統(tǒng)會自動加上行索引。

舉例：
df=pd.read_csv("ceshi.csv",index_col=0)
print(df)
結(jié)果：
    c2  c3  c4
c1            
a    0   5  10
b    1   6  11
c    2   7  12
d    3   8  13
e    4   9  14
表示：將第一列作為索引index

df=pd.read_csv("ceshi.csv",index_col=1)
print(df)
結(jié)果：
   c1  c3  c4
c2           
0   a   5  10
1   b   6  11
2   c   7  12
3   d   8  13
4   e   9  14
表示：將第二列作為索引index


df=pd.read_csv("ceshi.csv",index_col="c1")
print(df)
結(jié)果：
    c2  c3  c4
c1            
a    0   5  10
b    1   6  11
c    2   7  12
d    3   8  13
e    4   9  14
表示：將列名"c1"這里一列作為索引index
【注】：這里將"c1"這一列作為索引即行索引后，"c1"這列即不在屬于列名這類，即不能使用df['c1']獲取列值
【注】：read_csv()方法中header參數(shù)和index_col參數(shù)不能混用，因為header指定列索引，index_col指定行索引，一個DataFrame對象只有一種索引

squeeze：
布爾值，默認(rèn)FALSE
TRUE 如果被解析的數(shù)據(jù)只有一列，那么返回Series類型。