1 pandas.read_csv

将逗号分隔值（csv）文件读取到DataFrame中

1、filepath_or_buffer:读取的文件路径，URL（包含http,ftp,s3）链接等
2、2、sep : str , default’,’ 指定分隔符。如果不指定参数，则会尝试使用逗号分隔。分隔符长于一个字符并且不是‘\s+’,将使用python的语法分析器。并且忽略数据中的逗号。正则表达式例子：’\r\t’
3、delimiter：分隔符。当定义了delimiter参数后，sep就失去了作用。
4、delim_whitespace : boolean, default False。否指定空格(例如’ ‘或者’\t ‘)作为分隔符使用，等效于设定sep=’\s+’。如果这个参数设定为Ture那么delimiter 参数失效。
有了delim_whitespace后，分隔符我们就简化成了,和sep=’\s+'一样能处理各种常见分割符。
5、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
6、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。
7、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。
8、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。
9、as_recarray : boolean, default False
不赞成使用：该参数会在未来版本移除。请使pd.read_csv(…).to_records()替代。
返回一个Numpy的recarray来替代DataFrame。如果该参数设定为True。将会优先squeeze参数使用。并且行索引将不再可用，索引列也将被忽略。
10、squeeze : boolean, default False
如果文件值包含一列，则返回一个Series
11、prefix : str, default None
在没有列标题时，给列添加前缀。例如：添加‘X’ 成为 X0, X1, …
12、mangle_dupe_cols : boolean, default True
重复的列，将‘X’…’X’表示为‘X.0’…’X.N’。如果设定为false则会将所有重名列覆盖。
13、dtype : Type name or dict of column -> type, default None
每列数据的数据类型。例如 {‘a’: np.float64, ‘b’: np.int32}
engine : {‘c’, ‘python’}, optional
14、Parser engine to use. The C engine is faster while the python engine is currently more feature-complete.
使用的分析引擎。可以选择C或者是python。C引擎快但是Python引擎功能更加完备。
其他的用到再百度，可参考链接: https://blog.csdn.net/shanmou1782/article/details/90441391.

2 pandas.read_table

参数：
filepath_or_buffer：文件路径字符串、路径对象或类文件对象
sep：分隔符，默认值：\t
delimiter：分隔符别名，默认值：None
header：标题行，默认值：infer，自动推导
names：列名，可选
index_col：索引列，默认值：None
usecols：
squeeze：布尔值，默认值：False。对单列数据是否压缩为序列
prefix：字符串，可选，表示列名前缀
mangle_dupe_cols：布尔值，默认，True。是否重命名重复的列名。
dtype：数据类型，可选
engine：解析引擎，c/python，可选。
converters：字典，可选，定义指定列的值转换器
true_values：列表，可选，定义视为True的值
false_values：列表，可选，定义视为False的值
skipinitialspace：布尔值，默认：False，是否跳过分隔符后的空白
skiprows：可选，定义文件头部跳过的行数
skipfooter：可选，定义文件尾部跳过的行数
nrows：可选，定义要读取的行数
na_values：可选，定义视为NA/NaN的值
keep_default_na：布尔值，默认值：True，解析时是否包含默认的NaN值
na_filter：布尔值，默认值：True，是否检测缺失值
verbose：布尔值，默认True，是否显示非数值字段中NA值的数量
skip_blank_lines：布尔值，默认True，是否跳过空白行
parse_dates：默认值：False，是否解析日期
infer_datetime_format：默认值：False，是否解析日期格式
keep_date_col：默认值False，是否保留日期列
date_parser：可选，日期解析函数
dayfirst：默认值False，是否将日期放在月份之前：DD/MM
cache_dates：默认值True，是否缓存日期
iterator：默认值False，是否返回文本迭代器
chunksize：可选，
compression：默认值：infer，定义压缩格式
thousands：可选，千位分隔符
decimal：默认值：. ，小数点符号
lineterminator：可选，定义行结尾符
quotechar
quoting
doublequote
escapechar
comment
encoding
dialect
error_bad_lines
warn_bad_lines
delim_whitespace
low_memory
memory_map
float_precision

文件的路径：

示例：
in：

import pandas as pd
import numpy as np
pd.read_csv('ex1.csv')#相对路径

out：

in：

%more ex1.csv#看.csv的文件内容
pd.read_table('ex1.csv',sep=',')
pd.read_table('ex1.csv')