Python pandas.read_csv()函数

   1、首先，介绍csv格式的文件：

             CSV文件是一个纯文本文件，最早用在简单的数据库里，其格式简单，具备很强的开放性，非常容易被导入各种PC表格及数据库，比如Excel表格等。

             CSV文件中每行相当于一条记录（相当于数据表中的一行），用 “，”（半角逗号）分割每行的不同字段。举例如下：

             例：

                      1, 23, 32,12

                      2, 44, 12, 56

             对应Excel表格，CSV文件中的一行对应Excel的一行，CSV同一行中的半角逗号相当于Excel表格同一行分割不同单元格的竖线。

   2、介绍pandas.read_csv()函数。

         官方调用形式介绍：http://pandas.pydata.org/pandas-docs/stable/generated/pandas.read_csv.html

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

     参数：

     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)

         文件路径或数据缓存地址。

     sep：str, default ‘,’

         指定分隔符。如果不指定参数，默认使用逗号分隔。如果分隔符长于一个字符并且不是‘\s+’，将使用python的语法分析器，并忽略数据中的逗号。正则表达式例子：'\r\t'。

      delimiter： str, default None

         定界符，备选分隔符（如果指定该参数，则sep参数失效）。

      header：int or list of ints, default ‘infer’

          指定行数用来作为列名，数据开始行数。如果文件中没有列名，则默认为0，否则设置为None。如果明确设定header=0 就会替换掉原来存在列名。header参数可以是一个list例如：[0,1,3]，这个list表示将文件中的这些行作为列标题（意味着每一列有多个标题），介于中间的行将被忽略掉（例如本例中的2；本例中的数据1,2,4行将被作为多级标题出现，第3行数据将被丢弃，dataframe的数据从第5行开始。）。注意：如果skip_blank_lines=True 那么header参数忽略注释行和空行，所以header=0表示第一行数据而不是文件的第一行。

      names : array-like, default None

          用于结果的列名列表，如果数据文件中没有列标题行，就需要执行header=None。默认列表中不能出现重复，除非设定参数mangle_dupe_cols=True。

 

      index_col : int or sequence or False, default None

   用作行索引的列编号或者列名，如果给定一个序列则有多个行索引。

      如果文件不规则，行尾有分隔符，则可以设定index_col=False 来是的pandas不适用第一列作为行索引。

 

       usecols : array-like, default None

          返回一个数据子集，该列表中的值必须可以对应到文件中的位置（数字可以对应到指定的列）或者是字符传为文件中的列名。例如：usecols有效参数可能是 [0,1,2]或者是 [‘foo’, ‘bar’, ‘baz’]。使用这个参数可以加快加载速度并降低内存消耗。

   

举例如下：

        import pandas as pd

         header = ['user_id', 'item_id', 'rating', 'timestamp']
         df = pd.read_csv("D:/u.data",sep = '\t',names = header)

参考链接：http://blog.csdn.net/u013066730/article/details/58634061