pd.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=False, error_bad_lines=True, warn_bad_lines=True, skipfooter=0, skip_footer=0, doublequote=True, delim_whitespace=False, as_recarray=False, compact_ints=False, use_unsigned=False, low_memory=True, buffer_lines=None, memory_map=False, float_precision=None)
 

filepath_or_buffer：

文件的地址，可以是url。

sep:

分隔符的指定。

delimiter：

str，定界符，如果指定該參數，sep參數失效。

delim_whitespace :boolean,

default False. 指定空格(例如’ ‘或者’ ‘)是否作為分隔符使用，等效於設定sep=‘\s+‘。

header :

int or list of ints, default ‘infer’ ，指定行數用來作為列名。如果文件中沒有列名，則默認為0，否則設置為None。

names :

array-like, default None 用於結果的列名列表，對各列重命名，即添加表頭。 如數據有表頭，但想用新的表頭，可以設置header=0,names=[‘a‘,‘b‘]實現表頭定制。

index_col :

int or sequence or False, default None 用作行索引的列編號或者列名，如果給定一個序列則有多個行索引。 可使用index_col=[0,1]來指定文件中的第1和2列為索引列。

usecols :

array-like, default None 返回一個數據子集，即選取某幾列，不讀取整個文件的內容，有助於加快速度和降低內存。 usecols=[1,2]或usercols=[‘a‘,‘b‘]

squeeze :

boolean, default False 如果文件只包含一列，則返回一個Series。

prefix :

str, default None 在沒有列標題時，給列添加前綴。例如：添加‘X’ 成為 X0, X1, ...

mangle_dupe_cols :

boolean, default True 重復的列，將‘X’...’X’表示為‘X.0’...’X.N’。如果設定為False則會將所有重名列覆蓋。

dtype :

Type name or dict of column -> type, default None 每列數據的數據類型。例如 {‘a’: np.float64, ‘b’: np.int32}。

engine :

{‘c’, ‘python’}, optional 使用的分析引擎。可以選擇C或者是python。C引擎快但是Python引擎功能更加完備。

converters :

dict, default None 列轉換函數的字典。key可以是列名或者列的序號。

日期類型相關參數：

parse_dates :

boolean or list of ints or names or list of lists or dict, default False 。

boolean. True -> 解析索引 list of ints or names. e.g. If [1, 2, 3] -> 解析1,2,3列的值作為獨立的日期列；

list of lists. e.g. If [[1, 3]] -> 合並1,3列作為一個日期列使用

dict, e.g. {‘foo’ : [1, 3]} -> 將1,3列合並，並給合並後的列起名為"foo"。

示例：

df=pd.read_csv(file_path,parse_dates=[‘time1‘,‘time2‘])， 把time1和time2兩列解析為日期格式。

這裏不得不說，很遺憾中文不行，比如‘4月5日’這種格式就不能解析。

infer_datetime_format :

boolean, default False 如果設定為True並且parse_dates 可用，那麽pandas將嘗試轉換為日期類型，如果可以轉換，轉換方法並解析。 在某些情況下會快5~10倍。

keep_date_col :

boolean, default False 如果連接多列解析日期，則保持參與連接的列。默認為False。

date_parser :

function, default None 於解析日期的函數，默認使用dateutil.parser.parser來做轉換。

Pandas嘗試使用三種不同的方式解析，如果遇到問題則使用下一種方式。

1.使用一個或者多個arrays（由parse_dates指定）作為參數；

2.連接指定多列字符串作為一個列作為參數；

3.每行調用一次date_parser函數來解析一個或者多個字符串（由parse_dates指定）作為參數。

dayfirst :

boolean, default False DD/MM格式的日期類型。

轉載：https://blog.csdn.net/liuweiyuxiang/article/details/78471036

pandas的read_csv函數