输入输出通常可以划分为几个大类：读取文本文件和其他更高效的磁盘存储格式，加载数据库中的数据，利用web API操作网络资源。
读写文本格式数据
pandas提供了一些用于将表格型数据读取为DataFrame对象的函数。下表对其进行了总结，其中read_csv和read_table可能会是你今后用得最多的。
由于该文件以逗号分隔，所以我们可以使用read_csv将其读入到一个DataFrame：
我们也可以使用read_table，只不过要指定分隔符而已：
并不是所有的文件都有标题行。
读入该文件有两个办法。你可以让pandas为其分配默认的列名，也可以自己定义列名：
假设你希望将message列做成DataFrame的索引。你可以明确表示将该列放到索引4的位置上，也可以通过index_col参数指定“message”
如果希望将多个列做成一个层次化索引，只需传入由列编号或列名组成的列表即可：
逐块读取文本文件
在处理很大文件时，或找出大文件中的参数集以便于后续处理时，你可能只想读取文件的一小部分或逐块对文件进行迭代。
如果只想读取几行（避免读取整个文件），通过nrows进行指定即可：
要逐块读取文件，需要设置chunksize（行数）。read_csv所返回的这个TextParser对象使你可以根据chunksize对文件进行逐块迭代。
将数据写出到文本格式
数据也可以被输出为分隔符格式的文本。
如果没有设置其它选项，则会写出行和列的标签。当然，它们也都可以禁用：
此外，你还可以只写一部分的列，并以你指定的顺序排列：
Series也有一个to_csv方法
虽然只需要一点整理工作（无header行）就能用read_csv将CSV文件读取为Series，但还有一个更为方便的from_csv方法：
手工处理分隔符格式
