相信很多人的日常工作中，数据源除了来自数据库以外，其次就是外部文件，因此掌握读取文件的技能是相当必要的。在这里特此整理读取外部文件的方法，希望能有助你们快速解决问题。当然本文对读者的假设是有一定的python基础知识。
此篇就以pandas模块【读取CSV 】 为例，我会贴上我的代码截图
【读取CSV 】
1.读取单个CSV文件
以下例子中，设置工作目录（这一步可用也可不用）只是为了方便，在批量读取文件的时候你更能体会它的好用；sep用来指定字符的分隔符号，常用的有空格 【''】，逗号【','】，【'\t'】
当然我最喜欢的是sep = None, 选择这个之后，python会自动检测分隔符号，当你读取文件报错时，不妨改为 sep = None 试试。另外还有一个常用参数是header，指定数据是否包含指标名称的，默认为0，表示第0行是header；如果设置header = None,则下图中的日期，来访人数，购买人数也会被认为是数据。更多read_csv的参数见：http://pandas.pydata.org/pandas-docs/stable/generated/pandas.read_csv.html
设置工作目录效果
不设置工作目录效果
2.批量读取csv文件
工作中可能会遇到一个文件夹有很多csv文件，或许里面还有很多excel文件，且命名还不太一样，如果手动输入文件名，会累摊且也不是我们数据分析的方法。
如下图2.1，我们先批量获取csv的文件名，然后再循环读取csv文件，相信细心的你已经发现指标名称乱码了，这时候我们就需要动用read_csv的encoding参数啦，使用方法见图2.2。
其中有2个函数，os.path.splitext是将文件名分隔开；如abc.csv则分为'abc' 和'.csv'2部分，他们的切片位置是[0,1]那os.path.splitext[1]就表示'.csv'。另外os.walk()要想了解更多更细，就需要你们自行百度模索，这里就不作细说了。
图2.1
图2.2
由于时间关系，这周先码这么多，下周再续
