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：將文件讀入DataFrame,還支持可選的將文件迭代或分割成塊。
參數：filepath_or_buffer :表示文件系統位置、URL、文件型對象的字符串
sep或delimiter : 用於對行中各字段進行拆分的字符序列或正則表達式 ‘\r','\t',多種分隔符時使用 '\s+'
header : 用作列名的行號。默認為0（第一行），如果沒有header行就應該設置為None
index_col : 用作行索引的列編號或列名。可以是單個名稱/數字或由多個名稱/數字組成的列表（層次化索引）
names : 用於結果的列名列表，結合header=None
skiprows : 需要忽略的行數（從文件開始處算起），或需要跳過的行號列表（從0開始）
na_values : 將這個值替換成NA
comment : 用於將注釋信息從行尾拆分出去的字符（一個或多個）
parse_dates : 嘗試將數據解析為日期，默認為False。如果為True，則嘗試解析所以列。此外，還可以指定需要解析的一組列號或列名。如果列表的元素為列表或元組，就會將多個列組合到一起再進行日期解析工作（例如，日期/時間分別位於兩個列中。）
keep_data_col : 如果連接多列解析日期，則保持參與連接的列。默認為False
converters : 有列號/列名跟函數之間的映射關系組成的字典。例如，{'foo' : f}會對foo列的所有值應用函數f
dayfirst : 當解析有歧義的日期時，將其看作國際格式（例如，7/6/2012 → June 7,2012）。默認為False
data_parser : 用於解析日期的函數
nrows : 需要讀取的行數（從文件開始處算起）
iterator : 返回一個TextParser以便逐塊讀取文件
chunksize : 文件塊的大小（用於迭代）
skip_footer : 需要忽略的行數（從文件末尾處算起）
verbose : 打印各種解析器輸出信息，比如“非數值列中缺失值的數量”等
encoding : 用於unicode文本編碼格式。例如，“utf-8”表示用UTF-8編碼的文本
squeeze : 如果數據經解析后僅含一行，則返回Series
thousands : 千分位分隔符，如","或“.”