Pandas中怎么利用 read_csv 使用速查表

# Pandas中怎么利用 read_csv 使用速查表

`pd.read_csv()` 是 Pandas 最常用的数据读取函数之一，但参数繁多容易遗忘。本文提供关键参数速查表及典型用法，助你快速掌握核心功能。

## 基础参数速查
| 参数          | 说明                          | 示例值                |
|---------------|-----------------------------|----------------------|
| `filepath`    | 文件路径（必需）               | `'data.csv'`         |
| `sep`         | 分隔符（默认`,`）              | `'\t'`（制表符分隔）   |
| `header`      | 列名行（默认0）                | `None`（无列名）      |
| `index_col`   | 设为索引的列                   | `0`（第一列作为索引） |
| `dtype`       | 指定列数据类型                 | `{'price': float}`   |
| `na_values`   | 自定义缺失值标识               | `['NA', 'NULL']`     |

## 高频使用场景

### 1. 读取常规CSV
```python
df = pd.read_csv('data.csv')

2. 处理特殊分隔符

df = pd.read_csv('data.tsv', sep='\t')

3. 跳过首行/指定列名

df = pd.read_csv('data.csv', skiprows=1, 
                 names=['col1', 'col2', 'col3'])

4. 处理大文件（分块读取）

chunk_iter = pd.read_csv('large.csv', chunksize=10000)
for chunk in chunk_iter:
    process(chunk)

进阶技巧

• 日期解析：parse_dates=['date_col']
• 编码处理：encoding='gbk'（中文常见编码）
• 仅读取部分列：usecols=['col1', 'col3']
• 自动识别日期：infer_datetime_format=True

提示：通过 pd.read_csv? 可查看完整参数说明，建议收藏本速查表以备不时之需。 “`