如何高效读取CSV文件后进行高效处理？（之一：高效读取CSV格式文件）

背景简介：

现有一个文件夹，全部是CSV格式文件。需要从这些CSV文件中逐一读取第一列，取前100个和后100个组成一个二维数组，最终将这些二维数组合并成一个大的二维数组

---

问题解剖

可以把问题分成三大部分：

1. 逐一读取CSV格式文件的第一列；
2. 对每个CSV文件进行处理（取前100个和后100个，合并）；
3. 对上一步获得的的二维数组进行合并。

---

问题分析

问题一： （逐一）读取CSV格式文件

考虑到实际情况，可以以一个CSV文件为例进行说明。逐一读取多个同一路径下的文件可以考虑使用glob模块的iglob方法，这里不废话。
目前，Python3（以下简称Python）至少有三种办法读取CSV格式文件，分别是：

1.csv模块
2.numpy里面的loadtxt方法
3.pandas里面的read_csv方法

这里采用time模块里的timeit计时模块，测试机器的CPU为i7 6820HQ，16G内存，搭载windows10 64位系统。
由于csv.reader方法是把每一行数据转化成了一个list，list中每个元素是一个字符串，并不能（或者说很难）满足我们的需求（可以间接实现我们的需求，后面有机会再补充），因而这里只比较numpy模块的方法和p