pandas.read_csv参数详解：
header：指定行数用于列标题。header=None表示没有列标题。date_parser：用于解析日期，可以使用默认方式或自定义函数。dayfirst：指定日期格式为DD/MM。index_col：用于指定行索引。index_col=False表示使用默认索引。usecols：用于选择列，可以加速加载并节省内存。skiprows：用于跳过指定行。filepath_or_buffer：指定文件路径，支持URL和本地文件。sep/delimiter：指定分隔符，默认为逗号，支持正则表达式。sep和delimiter参数功能相同，使用其中一个即可。delim_whitespace：如果为True，则假定字段由空白字符分隔。names：用于处理列名。as_recarray：如果为True，则返回NumPy recarray而不是DataFrame。squeeze：如果解析的数据只包含一列，则返回一个Series。prefix：添加到缺少列名时的默认列名前缀。mangle_dupe_cols：如果为True，则重复列名将添加后缀“.1”，“.2”，依此类推以使其唯一。dtype：指定列的数据类型。engine：用于解析的引擎。可选值包括’c’和’python’。converters：用于指定列的转换函数。true_values 和 false_values：用于将特定值识别为True或False。skipinitialspace：如果为True，则跳过字段值前面的空白字符。skipfooter：需要忽略的行数。nrows：需要读取的行数。na_values：用于处理NA/NaN值的额外字符串。keep_default_na：如果为True，则保留pandas的默认NaN值。na_filter：如果为False，则不会检查缺失值标记。对于大文件，可以提高读取速度。verbose：如果为True，则输出解析信息。skip_blank_lines：如果为True，则跳过空行。parse_dates：尝试将数据解析为日期。可以是布尔值、列表或字典。infer_datetime_format：如果为True，并且parse_dates启用了日期解析，则尝试推断日期格式以加速解析。keep_date_col：如果为True并且列被解析为日期，则保留原始列。iterator：如果为True，则返回一个TextFileReader对象，该对象可以迭代处理文件块。chunksize：指定块大小。compression：用于读取压缩文件的字符串，如’gzip’，’bz2’，’zip’或’xz’。thousands：千位分隔符。decimal：小数点字符。float_precision：用于浮点数解析的字符串长度。lineterminator：指定行终止符。quotechar：指定引用字符。quoting：控制引用行为。可以是0，1，2，3。doublequote：当引用级别为引用所有字段时，如果字段内的引用字符被加倍，则将其解释为单个引用字符。escapechar：用于转义引用字符的字符。comment：用于标识注释行的字符。从该行及其后的所有内容都将被忽略。encoding：文件编码格式，例如，’utf8’。dialect：用于指定CSV格式的字符串或csv.Dialect对象。tupleize_cols：如果为True，则尝试将任何多值列作为元组。error_bad_lines：如果为False，则当遇到错误行时不会引发异常，而是会跳过该行。warn_bad_lines：如果error_bad_lines为False，并且warn_bad_lines为True，则对于每个跳过的错误行，都会打印一条警告消息。low_memory：在处理大文件时，可以将其设置为True以减少内存使用。但是，这可能导致类型推断问题。buffer_lines 和 compact_ints：这两个参数已弃用。memory_map：如果为True，则使用内存映射文件访问。这可以提高大文件的读取速度，但可能会增加内存使用。use_unsigned：此参数已弃用，用于控制压缩整数列的符号。
这些参数提供了广泛的定制选项，允许用户根据具体需求高效地读取和处理CSV文件。