CSV（Comma-Separated Values）文件是一种简单的文本格式，用于存储表格数据，如电子表格或数据库。CSV 文件由纯文本组成，其中的数据通常是以逗号分隔的，但也可以是其他字符，如制表符或分号。每行CSV文件代表数据表中的一行，而每个逗号分隔的值代表字段的一个元素。
如何使用Pandas处理CSV文件
Pandas是一个强大的Python数据分析工具库，它提供了非常方便的函数来读取和写入CSV文件。以下是一些基本的步骤和函数，用于处理CSV文件：
1. 读取CSV文件
要读取CSV文件，你可以使用pandas.read_csv()函数。这个函数会将CSV文件加载到一个DataFrame对象中，DataFrame是Pandas中用于存储和操作结构化数据的主要数据结构。
import pandas as pd
# 读取CSV文件
df = pd.read_csv('nba.csv')
2. 查看DataFrame内容
读取CSV文件后，你可以直接打印DataFrame对象来查看其内容。Pandas默认会显示DataFrame的前5行和最后5行，如果DataFrame很大，中间的内容会用省略号（...）表示。
# 打印DataFrame的前5行和最后5行
print(df)
如果你想查看整个DataFrame的内容，可以使用to_string()方法，它会返回一个字符串，包含DataFrame的完整内容。
# 打印整个DataFrame的内容
print(df.to_string())
3. 查看DataFrame的基本信息
除了查看DataFrame的内容，你还可以查看其基本信息，如列名、数据类型、非空值数量等。
# 查看DataFrame的基本信息
print(df.info())
4. 选择和过滤数据
你可以使用DataFrame的列名来选择特定的列，或者使用条件语句来过滤数据。
# 选择特定的列
print(df[['Column1', 'Column2']])
# 过滤数据
filtered_df = df[df['Column1'] > 10]
print(filtered_df)
5. 写入CSV文件
如果你对DataFrame进行了修改或添加了新的数据，可以使用to_csv()方法将其写回CSV文件。
# 将DataFrame写入CSV文件
df.to_csv('new_nba.csv', index=False)
index=False参数表示在写入CSV文件时不包含行索引。
6. 处理大型CSV文件
如果CSV文件非常大，你可能需要逐块读取文件，以避免内存不足的问题。Pandas允许你指定块的大小，并逐块处理数据。
# 逐块读取大型CSV文件
chunk_size = 1000
for chunk in pd.read_csv('large_nba.csv', chunksize=chunk_size):
print(chunk.head()) # 处理每个块的数据
