* 由於在做資料處理，資料分析的時候，免不了讀取資料或者將資料轉換為相應的處理形式，那麼，pandas的read_csv和to_csv，就能給我們很大的幫助，接下來，博主，將 read_csv 和 to_csv 兩個方法的定義，進行整合，方便大家進行查閱。*

1. read_csv

read_csv方法定義：

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, skip_footer=0, doublequote=True, delim_whitespace=False, 
as_recarray=None, compact_ints=None, use_unsigned=None, low_memory=True, buffer_lines=None, 
memory_map=False, float_precision=None

常用引數：

filepath_or_buffer : str，pathlib。str, pathlib.Path, py._path.local.LocalPath or any object with a read() method (such as a file handle or StringIO)
可以是URL，可用URL型別包括：http, ftp, s3和檔案。對於多檔案正在準備中
本地檔案讀取例項：://localhost/path/to/table.csv

sep : str, default ‘,’
指定分隔符。如果不指定引數，則會嘗試使用逗號分隔。分隔符長於一個字元並且不是‘\s+’,將使用python的語法分析器。並且忽略資料中的逗號。正則表示式例子：’\r\t’

delimiter : str, default None
定界符，備選分隔符（如果指定該引數，則sep引數失效）

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+’。如果這個引數設定為Ture那麼delimiter 引數失效。
在新版本0.18.1支援

header : int or list of ints, default ‘infer’
指定行數用來作為列名，資料開始行數。如果檔案中沒有列名，則預設為0，否則設定為None。如果明確設定header=0 就會替換掉原來存在列名。header引數可以是一個list例如：[0,1,3]，這個list表示將檔案中的這些行作為列標題（意味著每一列有多個標題），介於中間的行將被忽略掉（例如本例中的2；本例中的資料1,2,4行將被作為多級標題出現，第3行資料將被丟棄，dataframe的資料從第5行開始。）。
注意：如果skip_blank_lines=True 那麼header引數忽略註釋行和空行，所以header=0表示第一行資料而不是檔案的第一行。

names : array-like, default None
用於結果的列名列表，如果資料檔案中沒有列標題行，就需要執行header=None。預設列表中不能出現重複，除非設定引數mangle_dupe_cols=True。

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。
如果檔案不規則，行尾有分隔符，則可以設定index_col=False 保證pandas用第一列作為行索引。

usecols : array-like, default None
返回一個數據子集，該列表中的值必須可以對應到檔案中的位置（數字可以對應到指定的列）或者是字元傳為檔案中的列名。例如：usecols有效引數可能是 [0,1,2]或者是 [‘foo’, ‘bar’, ‘baz’]。使用這個引數可以加快載入速度並降低記憶體消耗。

as_recarray : boolean, default False
不贊成使用：該引數會在未來版本移除。請使用pd.read_csv(…).to_records()替代。
返回一個Numpy的recarray來替代DataFrame。如果該引數設定為True。將會優先squeeze引數使用。並且行索引將不再可用，索引列也將被忽略。

squeeze : boolean, default False
如果檔案值包含一列，則返回一個Series

prefix : str, default None
在沒有列標題時，給列新增字首。例如：新增‘X’ 成為 X0, X1, …

mangle_dupe_cols : boolean, default True
重複的列，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
每列資料的資料型別。例如 {‘a’: np.float64, ‘b’: np.int32}

engine : {‘c’, ‘python’}, optional
Parser engine to use. The C engine is faster while the python engine is currently more feature-complete.
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
列轉換函式的字典。key可以是列名或者列的序號。

true_values : list, default None
Values to consider as True

false_values : list, default None
Values to consider as False

skipinitialspace : boolean, default False
忽略分隔符後的空白（預設為False，即不忽略）.

skiprows : list-like or integer, default None
需要忽略的行數（從檔案開始處算起），或需要跳過的行號列表（從0開始）。

skipfooter : int, default 0
從檔案尾部開始忽略。 (c引擎不支援)

skip_footer : int, default 0
不推薦使用：建議使用skipfooter ，功能一樣。

nrows : int, default None
需要讀取的行數（從檔案頭開始算起）。

na_values : scalar, str, list-like, or dict, default None
一組用於替換NA/NaN的值。如果傳參，需要制定特定列的空值。預設為‘1.#IND’, ‘1.#QNAN’, ‘N/A’, ‘NA’, ‘NULL’, ‘NaN’, ‘nan’`.

keep_default_na : bool, default True
如果指定na_values引數，並且keep_default_na=False，那麼預設的NaN將被覆蓋，否則新增。

na_filter : boolean, default True
是否檢查丟失值（空字串或者是空值）。對於大檔案來說資料集中沒有空值，設定na_filter=False可以提升讀取速度。

verbose : boolean, default False
是否列印各種解析器的輸出資訊，例如：“非數值列中缺失值的數量”等。

skip_blank_lines : boolean, default True
如果為True，則跳過空行；否則記為NaN。

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]] -> 合併1,3列作為一個日期列使用
dict, e.g. {‘foo’ : [1, 3]} -> 將1,3列合併，並給合併後的列起名為"foo"

infer_datetime_format : boolean, default False
如果設定為True並且parse_dates 可用，那麼pandas將嘗試轉換為日期型別，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
如果連線多列解析日期，則保持參與連線的列。預設為False。

date_parser : function, default None
用於解析日期的函式，預設使用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）作為引數；
2.連線指定多列字串作為一個列作為引數；
3.每行呼叫一次date_parser函式來解析一個或者多個字串（由parse_dates指定）作為引數。

dayfirst : boolean, default False
DD/MM格式的日期型別

iterator : boolean, default False
返回一個TextFileReader 物件，以便逐塊處理檔案。

chunksize : int, default None
檔案塊的大小， See IO Tools docs for more informationon iterator and chunksize.

compression : {‘infer’, ‘gzip’, ‘bz2’, ‘zip’, ‘xz’, None}, default ‘infer’
直接使用磁碟上的壓縮檔案。如果使用infer引數，則使用 gzip, bz2, zip或者解壓檔名中以‘.gz’, ‘.bz2’, ‘.zip’, or ‘xz’這些為字尾的檔案，否則不解壓。如果使用zip，那麼ZIP包中國必須只包含一個檔案。設定為None則不解壓。
新版本0.18.1版本支援zip和xz解壓

thousands : str, default None
千分位分割符，如“，”或者“.”

decimal : str, default ‘.’
字元中的小數點 (例如：歐洲資料使用’，‘).

float_precision : string, default None
Specifies which converter the C engine should use for floating-point values. The options are None for the ordinary converter, high for the high-precision converter, and round_trip for the round-trip converter.
指定

lineterminator : str (length 1), default None
行分割符，只在C解析器下使用。

quotechar : str (length 1), optional
引號，用作標識開始和解釋的字元，引號內的分割符將被忽略。

quoting : int or csv.QUOTE_* instance, default 0
控制csv中的引號常量。可選 QUOTE_MINIMAL (0), QUOTE_ALL (1), QUOTE_NONNUMERIC (2) or QUOTE_NONE (3)

doublequote : boolean, default True
雙引號，當單引號已經被定義，並且quoting 引數不是QUOTE_NONE的時候，使用雙引號表示引號內的元素作為一個元素使用。

escapechar : str (length 1), default None
當quoting 為QUOTE_NONE時，指定一個字元使的不受分隔符限值。

comment : str, default None
標識著多餘的行不被解析。如果該字元出現在行首，這一行將被全部忽略。這個引數只能是一個字元，空行（就像skip_blank_lines=True）註釋行被header和skiprows忽略一樣。例如如果指定comment=’#’ 解析‘#empty\na,b,c\n1,2,3’ 以header=0 那麼返回結果將是以’a,b,c’作為header。

encoding : str, default None
指定字符集型別，通常指定為’utf-8’. List of Python standard encodings

dialect : str or csv.Dialect instance, default None
如果沒有指定特定的語言，如果sep大於一個字元則忽略。具體檢視csv.Dialect 文件

tupleize_cols : boolean, default False
Leave a list of tuples on columns as is (default is to convert to a Multi Index on the columns)

error_bad_lines : boolean, default True
如果一行包含太多的列，那麼預設不會返回DataFrame ，如果設定成false，那麼會將改行剔除（只能在C解析器下使用）。

warn_bad_lines : boolean, default True
如果error_bad_lines =False，並且warn_bad_lines =True 那麼所有的“bad lines”將會被輸出（只能在C解析器下使用）。

low_memory : boolean, default True
分塊載入到記憶體，再低記憶體消耗中解析。但是可能出現型別混淆。確保型別不被混淆需要設定為False。或者使用dtype 引數指定型別。注意使用chunksize 或者iterator 引數分塊讀入會將整個檔案讀入到一個Dataframe，而忽略型別（只能在C解析器中有效）

buffer_lines : int, default None
不推薦使用，這個引數將會在未來版本移除，因為他的值在解析器中不推薦使用

compact_ints : boolean, default False
不推薦使用，這個引數將會在未來版本移除
如果設定compact_ints=True ，那麼任何有整數型別構成的列將被按照最小的整數型別儲存，是否有符號將取決於use_unsigned 引數

use_unsigned : boolean, default False
不推薦使用：這個引數將會在未來版本移除
如果整數列被壓縮(i.e. compact_ints=True)，指定被壓縮的列是有符號還是無符號的。
memory_map : boolean, default False
如果使用的檔案在記憶體內，那麼直接map檔案使用。使用這種方式可以避免檔案再次進行IO操作。

2. to_csv

to_csv方法定義：

DataFrame.to_csv(path_or_buf=None, sep=', ', na_rep='', float_format=None, columns=None, 
header=True, index=True, index_label=None, mode='w', encoding=None, compression=None, 
quoting=None, quotechar='"', line_terminator='\n', chunksize=None, tupleize_cols=None, 
date_format=None, doublequote=True, escapechar=None, decimal='.')

path_or_buf=None： string or file handle, default None
File path or object, if None is provided the result is returned as a string.
字串或檔案控制代碼，預設無檔案
路徑或物件，如果沒有提供，結果將返回為字串。

sep : character, default ‘,’
Field delimiter for the output file.
預設字元 ‘ ，’
輸出檔案的欄位分隔符。

na_rep : string, default ‘’
Missing data representation
字串，預設為 ‘’
浮點數格式字串

float_format : string, default None
Format string for floating point numbers
字串，預設為 None
浮點數格式字串

columns : sequence, optional Columns to write
順序，可選列寫入

header : boolean or list of string, default True
Write out the column names. If a list of strings is given it is assumed to be aliases for the column names
字串或布林列表，預設為true
寫出列名。如果給定字串列表，則假定為列名的別名。

index : boolean, default True
Write row names (index)
布林值，預設為Ture
寫入行名稱（索引）

index_label : string or sequence, or False, default None
Column label for index column(s) if desired. If None is given, and header and index are True, then the index names are used. A sequence should be given if the DataFrame uses MultiIndex. If False do not print fields for index names. Use index_label=False for easier importing in R
字串或序列，或False,預設為None
如果需要，可以使用索引列的列標籤。如果沒有給出，且標題和索引為True，則使用索引名稱。如果資料檔案使用多索引，則應該使用這個序列。如果值為False，不列印索引欄位。在R中使用index_label=False 更容易匯入索引.

mode : str
模式：值為‘str’，字串
Python寫模式，預設“w”

encoding : string, optional
編碼：字串，可選
表示在輸出檔案中使用的編碼的字串，Python 2上預設為“ASCII”和Python 3上預設為“UTF-8”。

compression : string, optional
字串，可選項
表示在輸出檔案中使用的壓縮的字串，允許值為“gzip”、“bz2”、“xz”，僅在第一個引數是檔名時使用。

line_terminator : string, default ‘\n’
字串，預設為 ‘\n’
在輸出檔案中使用的換行字元或字元序列

quoting : optional constant from csv module
CSV模組的可選常量
預設值為to_csv.QUOTE_MINIMAL。如果設定了浮點格式，那麼浮點將轉換為字串，因此csv.QUOTE_NONNUMERIC會將它們視為非數值的。

quotechar : string (length 1), default ‘”’
字串（長度1），預設“”
用於引用欄位的字元

doublequote : boolean, default True
布林，預設為Ture
控制一個欄位內的quotechar

escapechar : string (length 1), default None
字串（長度為1），預設為None
在適當的時候用來轉義sep和quotechar的字元

chunksize : int or None
int或None
一次寫入行

tupleize_cols : boolean, default False
布林值 ，預設為False
從版本0.21.0中刪除：此引數將被刪除，並且總是將多索引的每行寫入CSV檔案中的單獨行
（如果值為false）將多索引列作為元組列表（如果TRUE）或以新的、擴充套件的格式寫入，其中每個多索引列是CSV中的一行。

date_format : string, default None
字串，預設為None
字串物件轉換為日期時間物件

decimal: string, default ‘.’
字串，預設’。’
字元識別為小數點分隔符。例如。歐洲資料使用 ​​’，’