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 最常用的數據讀取函數之一，但參數繁多容易遺忘。本文提供關鍵參數速查表及典型用法，助你快速掌握核心功能。

## 基礎參數速查
| 參數          | 說明                          | 示例值                |
|---------------|-----------------------------|----------------------|
| `filepath`    | 文件路徑（必需）               | `'data.csv'`         |
| `sep`         | 分隔符（默認`,`）              | `'\t'`（制表符分隔）   |
| `header`      | 列名行（默認0）                | `None`（無列名）      |
| `index_col`   | 設為索引的列                   | `0`（第一列作為索引） |
| `dtype`       | 指定列數據類型                 | `{'price': float}`   |
| `na_values`   | 自定義缺失值標識               | `['NA', 'NULL']`     |

## 高頻使用場景

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

2. 處理特殊分隔符

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

3. 跳過首行/指定列名

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

4. 處理大文件（分塊讀?。?/h3>

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

進階技巧

• 日期解析：parse_dates=['date_col']
• 編碼處理：encoding='gbk'（中文常見編碼）
• 僅讀取部分列：usecols=['col1', 'col3']
• 自動識別日期：infer_datetime_format=True

提示：通過 pd.read_csv? 可查看完整參數說明，建議收藏本速查表以備不時之需。 “`