pandas获取csv指定行，列

  （原文地址：https://blog.csdn.net/weixin_38859557/article/details/80977643）

house_info = pd.read_csv('house_info.csv')

1：取行的操作：

house_info.loc[3:6]类似于python的切片操作

2：取列操作：

house_info['price']  这是读取csv文件时默认的第一行索引

3：取两列

house_info[['price',tradetypename']] 取多个列也是同理的，注意里面是一个list的列表，不然会报错误；

4:增加列：

house_Info['adress_new']=list([.....])  跟字典的操作有点类似；

5：对某一列除以他的最大值，这样可以得到一个0，1的数值范围，也就是一个简易的归一化操作；

house_info['price']/house_info['price'].max()

6:对列进行排序操作：

house_info.sorted_values('price',inplace=True,ascending=True) 这里的inplace表示再排序的时候是否生成一个新的dataframe 结构，ascending=true表示升序，默认也是升序；还有一点应该注意的是：对于缺省值，（Nan）排序的时候会把他排在末尾；

7：如何获取缺省值，：

column_null = pd.isnull(column)

column_is_null_true = column[column_null]

pandas如何获取csv前几行

转载自：https://www.jianshu.com/p/7ac36fafebea

pandas.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, compression='infer', thousands=None, decimal=b'.', lineterminator=None, quotechar='"', quoting=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）
--------------------- 
sep=','   # 以，为数据分隔符
shkiprows= 10   # 跳过前十行
nrows = 10   # 只去前10行
parse_dates = ['col_name']   # 指定某行读取为日期格式
index_col = ['col_1','col_2']   # 读取指定的几列
error_bad_lines = False   # 当某行数据有问题时，不报错，直接跳过，处理脏数据时使用
na_values = 'NULL'   # 将NULL识别为空值