Python 数据分析三剑客之 Pandas（十）：数据读写
内容提要
本文介绍了Pandas库中数据读写的基本方法，重点讲解了读取和写入CSV、Excel等格式的数据的常用函数，如read_csv和to_csv及其参数设置，帮助用户灵活处理数据。
延伸解读
读取数据时的列标签与索引控制
使用 read_csv 读取无表头文件时，默认将首行作为列标签，可能导致数据错位。通过 header=None 可让 Pandas 自动分配数字列标签，或使用 names 参数自定义列名。index_col 参数能将指定列设为行索引，传入列表还可创建多层索引，便于后续按索引筛选和聚合。
处理缺失值与不规则分隔符
read_csv 默认将空字符串和 NA 识别为缺失值，但实际数据中可能用特定字符串表示缺失。na_values 参数可传入列表或字典，将指定值转换为 NaN。对于分隔符不固定的文本，read_table 的 sep 参数支持正则表达式，如 '\s+' 可匹配任意空白字符，灵活解析非标准格式。
大文件读取与分块处理
当文件较大时，一次性读取可能占用过多内存。nrows 参数可限制读取行数，用于快速预览。chunksize 参数返回一个迭代器，支持逐块读取和处理数据，例如对每块进行聚合后再合并结果，从而高效完成统计分析，避免内存溢出。
写入 CSV 时的常用参数
to_csv 可将 DataFrame 写入 CSV 文件，sep 参数可指定分隔符，na_rep 能将缺失值替换为指定字符串。通过 index=False 和 header=False 可禁用行标签与列标签。columns 参数能选择写入的列并调整顺序，header 参数可传入列表重设列名，满足不同输出需求。
Q&A
Pandas中如何读取CSV文件？
可以使用read_csv函数从文件、URL或文件对象中加载CSV数据，默认分隔符为逗号。
如何自定义Pandas读取数据时的列标签？
可以使用header=None来避免使用第一行作为列标签，或者通过names参数传递自定义列标签列表。
Pandas中如何处理缺失值？
可以使用na_values参数指定缺失值的表示，Pandas会将其标记为NaN。
如何将DataFrame写入CSV文件？
使用to_csv函数可以将DataFrame对象写入CSV文件，并支持多种参数设置。
Pandas中如何指定写入CSV文件的列？
可以通过columns参数指定要写入的列，并按照指定顺序排序。
如何在Pandas中逐块读取大文件？
可以使用chunksize参数来逐块读取文件，返回一个TextParser对象以便迭代处理。
