1、读取CSV文件

存储大数据集的一种简单方法是使用CSV文件（以逗号分隔的文件）。

CSV文件包含纯文本，并且是一种众所周知的格式，所有人（包括Pandas）都可以读取。

在示例中，将使用一个名为“data.csv”的CSV文件。

data.csv文件：https://www.cjavapy.com/download/5fe1f74edc72d93b4993067c/

例如：

将CSV加载到DataFrame中：

import pandas as pd

df = pd.read_csv('data.csv')

print(df.to_string())

提示：使用to_string()打印整个DataFrame。

默认情况下，当打印DataFrame时，只会得到前5行和后5行：

例如：

输出读取的df：

import pandas as pd

df = pd.read_csv('data.csv')

print(df)

2、read_csv常用操作

read_csv 函数是读取 CSV 文件的常用工具，支持设置编码、指定列名、跳过行数、选择特定列、设置索引列、自动解析日期等参数，能够灵活读取本地或远程的 CSV 数据。

1）指定编码（防止中文乱码）

import pandas as pd

# 读取名为 data.csv 的文件，指定编码为 utf-8（防止中文乱码）
df = pd.read_csv('data.csv', encoding='utf-8')

# 显示前5行数据
print(df.head())

注意：

encoding='utf-8' 适用于大多数 UTF-8 编码的 CSV 文件，特别是包含中文字符时可避免乱码。若打开文件时仍出现乱码，可尝试使用 'gbk'、'utf-16' 等其他编码。

2）指定列名并跳过表头

import pandas as pd

# 读取 data.csv 文件，并自定义列名为 id、name、score，不使用文件中的表头
df = pd.read_csv('data.csv', names=['id', 'name', 'score'], header=None)

# 打印 DataFrame 内容
print(df)

注意：

names=['id', 'name', 'score']：指定三列的列名。header=None：表示文件中没有表头，首行数据会被当作普通数据读取。

3）设置索引列

import pandas as pd

df = pd.read_csv('data.csv', index_col='id')
print(df)

id 列被设置为 DataFrame 的索引列，方便后续按索引访问数据或进行筛选操作。

4）读取指定列

import pandas as pd

# 从 data.csv 文件中读取指定的两列：name 和 score
df = pd.read_csv('data.csv', usecols=['name', 'score'])

print(df)

注意：

该用法适用于仅需部分列的情况，有助于节省内存和提高效率。

5）读取并跳过前两行

import pandas as pd

df = pd.read_csv('data.csv', skiprows=2)
print(df)

注意：

skiprows=2 表示跳过文件的前两行，从第三行（实际的列名行）开始读取，常用于跳过文件头部的注释、说明或无用信息。