### Python `pandas` 的 `read_csv` 函数详解 #### 基本语法 `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, delim_whitespace=False, low_memory=True, memory_map=False, float_precision=None)`[^1] 此函数用于从 CSV 文件或其他分隔符文件加载数据到 DataFrame。 --- #### 参数说明 以下是部分常用参数及其作用： - **filepath_or_buffer**: 输入路径或缓冲区对象，可以是本地文件路径、URL 或字符串形式的数据。 - **sep/delimiter**: 字段之间的分隔符，默认为逗号 `,`。 - **header**: 指定哪一行作为列名。默认 `'infer'` 表示自动推断；如果无头信息，则设置为 `None`。 - **names**: 列名称列表，当 `header=None` 时需手动提供。 - **index_col**: 将某列设为索引列。 - **usecols**: 只导入特定的列。 - **dtype**: 设置每列的数据类型。 - **na_values**: 自定义缺失值标记（如 NULL），将其识别为 NaN。 - **low_memory**: 是否减少内存占用，默认 True。若 False，会一次性解析整个文件并推测 dtypes。 - **converters**: 对某些列应用自定义转换逻辑。 --- #### 示例代码 ##### 示例 1：基本用法 以下展示如何通过 `StringIO` 加载简单的 CSV 数据： ```python import pandas as pd from io import StringIO data = u'strings,numbers\nfoo,1\nbar,2\nnull,3' df = pd.read_csv(StringIO(data)) print(df) ``` 运行结果如下： ``` strings numbers 0 foo 1 1 bar 2 2 null 3 ``` 注意，“null” 被视为普通的字符串而非真正的空值。 --- ##### 示例 2：处理 NULL 和 NaN 为了将 “null” 当作 NaN 处理，可以通过 `na_values` 参数实现： ```python data = u'strings,numbers\nfoo,1\nbar,2\nnull,3' df = pd.read_csv(StringIO(data), na_values=['null']) print(df.isna()) # 显示哪些位置为空值 ``` 输出结果表明第三行的第一列为 NaN： ``` strings numbers 0 False False 1 False False 2 True False ``` --- ##### 示例 3：指定数据类型 (dtype) 有时需要强制设定某一列的数据类型以避免错误解释。例如，防止整数列因存在非数值而报错： ```python data = 'strings,integers,floats\nabc,123,456.789\ndef,null,-123.456' df = pd.read_csv( StringIO(data), dtype={'integers': 'Int64'}, # 注意大写 Int64 支持 NA na_values=['null'] ) print(df.dtypes) # 查看各列数据类型 ``` 打印结果确认了预期行为： ``` strings object integers Int64 floats float64 dtype: object ``` > 注解：这里使用了扩展型整数类型 (`Int64`) 来兼容可能存在的缺失值[^2]。 --- ##### 示例 4：性能优化技巧 对于大规模数据集，推荐关闭 `low_memory` 并显式声明 `dtype` 避免动态猜测消耗资源： ```python large_data_path = '/path/to/large_file.csv' df_large = pd.read_csv( large_data_path, low_memory=False, dtype={ 'column_1': str, 'column_2': int, 'column_3': float } ) ``` 这样既能提升效率又能降低潜在异常风险[^3]。 --- #### 总结 以上介绍了几种常见的场景下如何灵活运用 `pd.read_csv()` 方法完成不同需求的任务。实际开发过程中应根据具体业务调整配置项来达到最佳效果。