数据处理时经常会涉及csv读写操作，存在很多小tip，总结一下，方便使用。首先read_csv()是pandas的方法，to_csv()是DataFrame类的方法。
1. read_csv()
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, skipfooter=0, skip_footer=0, doublequote=True,
delim_whitespace=False, as_recarray=None, compact_ints=None, use_unsigned=None,
low_memory=True, buffer_lines=None, memory_map=False, float_precision=None )
参数特别多，挑几个常用的总结一下
filepath_or_buffer：
文件所在处的路径
pd.read_csv('C:/Users/My/Path/test.csv') #绝对位置
sep：
指定分隔符，默认为逗号','
pd.read_csv('C:/Users/My/Path/test.csv',sep='?') #以?为分隔符，读取csv文件
delimiter：
定界符，备选分隔符（如果指定该参数，则sep参数失效）
pd.read_csv('C:/Users/My/Path/test.csv',sep='?',delimiter=' ') #以空格作为分隔符读取文件，分隔符'?'失效
header：
默认设置为0（即第一行作为表头），如果没有表头的话，要修改参数，设置header=None
pd.read_csv('C:/Users/My/Path/test.csv',header=None) #读出csv文件无表头
names：
指定列的名称，用列表表示。
pd.read_csv('C:/Users/My/Path/test.csv',names=['index','A','B']) #表头中各列名字为index,A,B
index_col：
指定哪一列数据作为行索引，可以是一列，也可以多列
pd.read_csv('C:/Users/My/Path/test.csv',index_col='A') #列为A的列作为行索引
prefix：
给列名添加前缀。
pd.read_csv('C:/Users/My/Path/test.csv',prefix='test') #当文件无表头，设置表头中列名全都加上test前缀，即test0，test1...
nrows：
int, default None
需要读取的行数（从文件头开始算起）
pd.read_csv('C:/Users/My/Path/test.csv',nrows=10) #读取10行数据
encoding：
读取文件是使用的编码方式
pd.read_csv('C:/Users/My/Path/test.csv',encoding='utf-8')
skiprows：
需要忽略的行数（从文件开始处算起），或需要跳过的行号列表（从0
开始），默认为None
pd.read_csv('C:/Users/My/Path/test.csv',skiprows=5) #跳过前五行数据（包括表头数据）
2. DataFrame.to_csv()
DataFrame.to_csv(
path_or_buf=None, sep=', ', na_rep='',float_format=None, columns=None,
header=True, index=True, index_label=None, mode='w', encoding=None, compression=None,
quoting=None, quotechar='"', line_terminator='\n', chunksize=None, tupleize_cols=None,
date_format=None, doublequote=True, escapechar=None, decimal='.')
参数相对少很多
path_or_buf:
保存文件的路径
df.to_csv('test.csv') #相对位置，保存在os.getcwd()获得的路径下
df.to_csv('C:/Users/My/Path/test.csv') #绝对位置
sep：
输出文件的字段分隔符，默认为”,”
df.to_csv('C:/Users/My/Path/test.csv',sep='?')#使用?分隔需要保存的数据，如果不写，默认是,
na_rep：
替换空值，默认为‘’
df.to_csv('C:/Users/My/Path/test.csv',na_rep='NA') #确实值保存为NA，如果不写，默认是空
float_format：
浮点数格式
df.to_csv('C:/Users/My/Path/test.csv',float_format='%.2f') #保留两位小数
cols:
保留某列数据，默认为None
df.to_csv('C:/Users/think/Desktop/Result.csv',columns=['name']) #保存索引列和name列
header：
是否保留列名，默认为True
df.to_csv('C:/Users/My/Path/test.csv',header=0) #不保存列名
index：
是否保留行索引，默认为True
df.to_csv('C:/Users/My/Path/test.csv',index=False) #不保存行索引
index_label：
索引的列标签，字符串或序列，或False，默认为None
df.to_csv('C:/Users/My/Path/test.csv',index_label='Index') #行索引列名为'Index'
mode：
str保存模式：值为‘str’，默认“w”
df.to_csv('C:/Users/My/Path/test.csv',mode='a') #增量存入csv
encoding：
输出文件中使用的编码，默认为“UTF-8”
df.to_csv('C:/Users/My/Path/test.csv',encoding='utf_8_sig') #中文出现乱码，改用utf_8_sig可解决
