Python是一种用于数据分析的优秀语言，主要是因为以数据为中心的python包的奇妙生态系统。Pandas是其中一个软件包，可以更轻松地导入和分析数据。
import pandas：
将pandas导入为pd

代码＃1：read_csv是一个重要的pandas函数，用于读取csv文件并对其执行操作。

# Import pandas

import pandas as pd

# reading csv file

pd.read_csv("filename.csv")

通过此方式打开CSV文件非常简单。但是，通过此函数可以执行许多其他操作，只能完全更改返回的对象。例如，人们不仅可以在本地读取csv文件，而且可以通过read_csv读取URL，也可以选择导出所需的列，以便以后不必编辑数组。

以下是其默认值所采用的参数列表。

pd.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，lineterminator =无，quotechar ='“'，引用= 0，escapechar = None，comment = None，encoding = None，dialect = None，tupleize_cols = None，error_bad_lines = True，warn_bad_lines = True，skipfooter = 0，doublequote = True，delim_whitespace = False，low_memory = True，memory_map = False ，float_precision =None）

并非所有这些都非常重要，但记住这些实际上节省了自己执行相同功能的时间。通过在jupyter笔记本中按shift + tab可以看到任何功能的参数