##### `pd.read_csv(filepath_or_buffer, *, sep=_NoDefault.no_default, delimiter=None, header='infer',...)` **功能简介:** - 用于从 CSV 文件中读取数据并创建一个 DataFrame。CSV（逗号分隔值）是一种常见的文本文件格式，用于存储表格数据。 **参数说明:** - `filepath_or_buffer`：CSV 文件的路径或可读取的文件对象。 - `sep`：字段之间的分隔符，默认为逗号（`,`）。 - `delimiter`：分隔符的替代参数，与 `sep` 参数一样用于指定字段之间的分隔符。 - `header`：指定哪一行作为列名，可以是整数、列表、字符串 `'infer'`（自动推断）。 - `names`：指定列名列表。 - `index_col`：用作索引的列名或列编号。 - `usecols`：要读取的列的列表或列编号。 - `dtype`：指定列的数据类型。 - `skiprows`：跳过的行数。 - `skipfooter`：从文件末尾开始跳过的行数。 - `nrows`：读取的行数。 - `na_values`：要识别为缺失值的值的列表。 - `parse_dates`：要解析为日期时间的列的列表。 - `date_parser`：用于解析日期时间列的函数。 - `encoding`：文件编码方式。 - `comment`：注释标识符，跳过以该标识符开头的行。 - `thousands`：千位分隔符的字符串。 - `decimal`：小数点分隔符的字符串。 - `quotechar`：用于引用字段的字符。 - `escapechar`：用于转义引用字符的字符。 - `compression`：文件压缩方式。 - `engine`：解析引擎，可以是 `'c'`、`'python'`、`'pyarrow'` 等。 - `squeeze`：如果数据只有一列，返回 Series 而不是 DataFrame。 - `infer_datetime_format`：自动推断日期时间格式。 - `dayfirst`：是否将日期中的天放在月份之前。 - `keep_date_col`：如果解析日期时间列，则保留原始列。 - `date_spec`：日期时间解析规范。 - 等等。 **返回值:** - 返回一个 DataFrame，包含从 CSV 文件中读取的数据。 **用法示例:** 1. 从 CSV 文件读取数据并创建 DataFrame： ```python import pandas as pd # 从 CSV 文件读取数据 csv_filepath = 'data.csv' dataframe = pd.read_csv(csv_filepath) print(dataframe) ``` 2. 指定列名和解析日期时间列： ```python import pandas as pd # 从 CSV 文件读取数据，指定列名和解析日期时间列 csv_filepath = 'data.csv' dataframe = pd.read_csv(csv_filepath, names=['Name', 'Age', 'Date'], parse_dates=['Date']) print(dataframe) ```