pandas.read_csv拯救：

import pandas as pd
df = pd.read_csv("data.csv")
print(df)

这将输出PandasDataFrame：

Date    price  factor_1  factor_2
0  2012-06-11  1600.20     1.255     1.548
1  2012-06-12  1610.02     1.258     1.554
2  2012-06-13  1618.07     1.249     1.552
3  2012-06-14  1624.40     1.253     1.556
4  2012-06-15  1626.15     1.258     1.552
5  2012-06-16  1626.15     1.263     1.558
6  2012-06-17  1626.15     1.264     1.572

要将CSV文件作为PandasDataFrame读取，您需要使用**pd.read_csv**，它将sep=','作为默认值。
但这并不是故事的结局;数据以多种不同的格式存在，并以不同的方式存储，因此您通常需要向read_csv传递额外的参数，以确保正确读取数据。
下面的表格列出了CSV文件遇到的常见情况沿着您需要使用的相应参数。您通常需要以下所有参数或某些参数的组合来读取 * 您的 * 数据。

┌───────────────────────────────────────────────────────┬───────────────────────┬────────────────────────────────────────────────────┐
│ pandas Implementation                                 │ Argument              │ Description                                        │
├───────────────────────────────────────────────────────┼───────────────────────┼────────────────────────────────────────────────────┤
│ pd.read_csv(..., sep=';')                             │ sep/delimiter         │ Read CSV with different separator¹                 │
│ pd.read_csv(..., delim_whitespace=True)               │ delim_whitespace      │ Read CSV with tab/whitespace separator             │
│ pd.read_csv(..., encoding='latin-1')                  │ encoding              │ Fix UnicodeDecodeError while reading²              │
│ pd.read_csv(..., header=False, names=['x', 'y', 'z']) │ header and names      │ Read CSV without headers³                          │
│ pd.read_csv(..., index_col=[0])                       │ index_col             │ Specify which column to set as the index⁴          │
│ pd.read_csv(..., usecols=['x', 'y'])                  │ usecols               │ Read subset of columns                             │
│ pd.read_csv(..., thousands='.', decimal=',')          │ thousands and decimal │ Numeric data is in European format (eg., 1.234,56) │
└───────────────────────────────────────────────────────┴───────────────────────┴────────────────────────────────────────────────────┘

脚注

1.默认情况下，read_csv使用C解析器引擎来提高性能。C解析器只能处理单字符分隔符。如果您的CSV有多字符分隔符，则需要修改代码以使用'python'引擎。您也可以传递正则表达式：

df = pd.read_csv(..., sep=r'\s*\|\s*', engine='python')

1.当数据以一种编码格式存储，但以不同的不兼容格式读取时，会发生UnicodeDecodeError。最常见的编码方案是'utf-8'和'latin-1'，您的数据可能适合其中之一。

1. header=False指定CSV中的第一行是数据行而不是标题行，names=[...]允许您指定在创建DataFrame时分配给它的列名列表。
   1.当将具有未命名索引的DataFrame保存到CSV，然后重新读取时，会出现“未命名：0”。不必在读取时修复此问题，也可以在写入时修复此问题，方法是使用

df.to_csv(..., index=False)

还有一些我在这里没有提到的论点，但这些是你最经常遇到的。

这里有一个使用Python内置csv module的pandas库的替代方案。

import csv
from pprint import pprint
with open('foo.csv', 'rb') as f:
    reader = csv.reader(f)
    headers = reader.next()
    column = {h:[] for h in headers}
    for row in reader:
        for h, v in zip(headers, row):
            column[h].append(v)
    pprint(column)    # Pretty printer

将打印

{'Date': ['2012-06-11',
          '2012-06-12',
          '2012-06-13',
          '2012-06-14',
          '2012-06-15',
          '2012-06-16',
          '2012-06-17'],
 'factor_1': ['1.255', '1.258', '1.249', '1.253', '1.258', '1.263', '1.264'],
 'factor_2': ['1.548', '1.554', '1.552', '1.556', '1.552', '1.558', '1.572'],
 'price': ['1600.20',
           '1610.02',
           '1618.07',
           '1624.40',
           '1626.15',
           '1626.15',
           '1626.15']}

注意相当干净，但是：

import csv

with open("value.txt", "r") as f:
    csv_reader = reader(f)
    num = '  '
    for row in csv_reader:
        print num, '\t'.join(row)
        if num == '  ':  
            num=0
        num=num+1

不是那么紧凑，但它做的工作：

Date price   factor_1    factor_2
1 2012-06-11    1600.20 1.255   1.548
2 2012-06-12    1610.02 1.258   1.554
3 2012-06-13    1618.07 1.249   1.552
4 2012-06-14    1624.40 1.253   1.556
5 2012-06-15    1626.15 1.258   1.552
6 2012-06-16    1626.15 1.263   1.558
7 2012-06-17    1626.15 1.264   1.572