一.pd.read_csv()

1.filepath_or_buffer:（这是唯一一个必须有的参数，其它都是按需求选用的）

文件所在处的路径

2.sep：

指定分隔符，默认为逗号','

3.delimiter : str, default None

定界符，备选分隔符（如果指定该参数，则sep参数失效）

4.header：int or list of ints, default ‘infer’

指定哪一行作为表头。默认设置为0（即第一行作为表头），如果没有表头的话，要修改参数，设置header=None

5.names：

指定列的名称，用列表表示。一般我们没有表头，即header=None时，这个用来添加列名就很有用啦！

6.index_col:

指定哪一列数据作为行索引，可以是一列，也可以多列。多列的话，会看到一个分层索引

7.prefix:

给列名添加前缀。如prefix="x",会出来"x1"、"x2"、"x3"

8.nrows : int, default None

需要读取的行数（从文件头开始算起）

9.encoding:

乱码的时候用这个就是了，官网文档看看用哪个：

10.skiprows : list-like or integer, default None

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）。

二.pd.to_csv()

1.path_or_buf：字符串，放文件名、相对路径、文件流等；

2.sep：字符串，分隔符，跟read_csv()的一个意思

3.na_rep：字符串，将NaN转换为特定值

4.columns：列表，指定哪些列写进去

5.header：默认header=0，如果没有表头，设置header=None，表示我没有表头呀！

6.index：关于索引的，默认True,写入索引

删除行或者列

1、df.drop(["列名"]，axis=1)

2、df.drop(columns=["列名"])

3、df.drop([0,1])

df1.drop([0,1])#删除索引为0、1的整行

4、小结：

在drop函数后面用shift+tab可以查看函数的参数明细，如下：

默认参数axis=0，表示对行进行操作，如需对列进行操作需要更改默认参数为axis=1，

默认参数inplace=False，表示该删除操作不改变原数据，而是返回一个执行删除操作后的新dataframe，如需直接在原数据上进行删除操作，需要更改默认参数为inplace=True

df1.drop(labels=None, axis=0, index=None, columns=None, level=None, inplace=False, errors='raise')

原文：https://blog.csdn.net/weixin_41524411/article/details/89838626

python中读取文件pd.read_csv()/ to_csv()的参数/drop方法删除某列