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)
功能：将文件读入DataFrame,还支持可选的将文件迭代或分割成块。
参数：filepath_or_buffer :表示文件系统位置、URL、文件型对象的字符串
sep或delimiter : 用于对行中各字段进行拆分的字符序列或正则表达式 ‘\r','\t',多种分隔符时使用 '\s+'
header : 用作列名的行号。默认为0（第一行），如果没有header行就应该设置为None
index_col : 用作行索引的列编号或列名。可以是单个名称/数字或由多个名称/数字组成的列表（层次化索引）
names : 用于结果的列名列表，结合header=None
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）
na_values : 将这个值替换成NA
comment : 用于将注释信息从行尾拆分出去的字符（一个或多个）
parse_dates : 尝试将数据解析为日期，默认为False。如果为True，则尝试解析所以列。此外，还可以指定需要解析的一组列号或列名。如果列表的元素为列表或元组，就会将多个列组合到一起再进行日期解析工作（例如，日期/时间分别位于两个列中。）
keep_data_col : 如果连接多列解析日期，则保持参与连接的列。默认为False
converters : 有列号/列名跟函数之间的映射关系组成的字典。例如，{'foo' : f}会对foo列的所有值应用函数f
dayfirst : 当解析有歧义的日期时，将其看作国际格式（例如，7/6/2012 → June 7,2012）。默认为False
data_parser : 用于解析日期的函数
nrows : 需要读取的行数（从文件开始处算起）
iterator : 返回一个TextParser以便逐块读取文件
chunksize : 文件块的大小（用于迭代）
skip_footer : 需要忽略的行数（从文件末尾处算起）
verbose : 打印各种解析器输出信息，比如“非数值列中缺失值的数量”等
encoding : 用于unicode文本编码格式。例如，“utf-8”表示用UTF-8编码的文本
squeeze : 如果数据经解析后仅含一行，则返回Series
thousands : 千分位分隔符，如","或“.”