用pandas讀取部分列，可以參考第一部分程式碼。

#!/usr/bin/env python
# -*- coding: UTF-8 -*-
'''
此程式將原始資料中無關的列給去掉了，只保留時間、ID、等列，另外pandas還在第一列添加了索引列
'''
import pandas as pd
from pandas import *
import os
import re

#返回指定路徑下所有".csv"檔案的檔名列表
def eachFile(filepath):
    pathDir =  os.listdir(filepath)  #返回指定路徑下所有檔名的列表
    dir_list = []
    for allDir in pathDir:
        if re.search('.csv', allDir) != None:
            dir_list.append(allDir)
    return dir_list

#讀取原始資料中需要的列，並存之於新檔案中
def modify(filename):
    path = u"G:\\研究\\SZ_AWS\\SZ_AWS\\" + filename
    file = open(path,errors = 'ignore')
    #usecols控制程式只讀部分列的資料
    data = pd.read_csv(file, usecols=['DDATETIME', 'OBTID', 'WD3SMAXDF', 'WD3SMAXDD', 'WD10MAXDF', 'WD10MAXDD'])  #pandas讀取csv時選擇第一行來標記一列
    filename = u'G:\\研究\\AWS\\AWS\\mod\\modified_' + filename
    data.to_csv(filename)  #pandas寫檔案時會在你的資料前加一列索引
    print(filename + ' has been successfully created!')

if __name__ == '__main__':
    filePath = u"G:\\研究\\SZ_AWS\\SZ_AWS\\"  #檔案所在的路徑
    dir_list = eachFile(filePath)  #檔名列表
    print(dir_list)
    
    for filename in dir_list:
        modify(filename)
 

第二部分程式碼是我想要統計站點記錄的資料總數，比如A站點資料多少個，B站點資料多少個，最後將所有少於一定數量的站點給刪除。這裡可以直接將pandas讀取出的series資料給轉換成熟悉的字典來進行後續處理：

#!/usr/bin/env python
# -*- coding: UTF-8 -*-
import csv
import sys
import os
import re
import pandas as pd
import numpy as np

#返回指定目錄下的所有.csv檔案
def eachFile(filepath):
    pathDir =  os.listdir(filepath)  #返回指定路徑下所有檔案和資料夾的名字,並存放於一個列表中
    dir_list = []
    for allDir in pathDir:
        if re.search('.csv', allDir) != None:  #search()會掃描整個string查詢匹配,會掃描整個字串並返回第一個成功的匹配
            dir_list.append(allDir)
    return dir_list

#返回檔案中資料少於6132個的站點的列表
def less_70pct_ID(file):
	f = open(file)
	data = pd.read_csv(f, usecols = ['OBTID'])
	cnt = data['OBTID'].value_counts()  #統計OBTID這一列，每個值出現的次數，返回的是一個series型別
	cnt.to_dict()  #將series型別轉換成字典型別
	lst_of_less_70pct_ID = []
	for ID in cnt.keys():
		if cnt[ID] < 6132:  #365*24*70%=6132，站點記錄的資料若是小於此值，則不合格
			lst_of_less_70pct_ID.append(ID)
			print(ID,':',cnt[ID])
	return lst_of_less_70pct_ID

#將將列表去重後返回該列表
def rmv_rpt(lst):
	new_lst = []
	for ID in lst:
		if ID not in new_lst:
			new_lst.append(ID)
	return new_lst


def rmv_unwanted_ID(filename, unwanted_ID_lst):
	sav_filename = filename.replace('stage1', 'stage2')  #repalce()方法是把字串中所有匹配到的都替換，並不是只替換第一個匹配到的子串
	if os.path.exists(sav_filename):
		os.remove(sav_filename)        #刪除檔案
	with open(sav_filename, 'w', newline = '') as target_f:
		writer = csv.writer(target_f)
		with open(filename, 'r') as src_f:  
			rows = csv.reader(src_f)   #這樣讀csv檔案，遍歷時每一行是一個列表
			to_save_line1 = 1
			cnt = 0
			for row in rows:
				cnt = cnt + 1
				if to_save_line1 == 1:      #第一行說明性內容儲存下來
					writer.writerow(row)
					to_save_line1 = 0
					continue
				elif row[1] not in unwanted_ID_lst:  #ID不屬於unwanted_ID_lst則改行可保留
					writer.writerow(row)
	print(sav_filename + 'has successfully created!')


if __name__ == '__main__':
	#獲取目標檔案列表
	filepath = u'G:\\深圳季風研究\\SZ_AWS\\SZ_AWS\\mod\\qualified_stage1_modified_data\\'
	dir_list = eachFile(filepath)

	#獲取資料中不滿足一致性的站點的列表
	lst_of_less_70pct_ID = []
	for file in dir_list:
		print(file)
		file = filepath + file
		print(file)
		year_lst_of_less_70pct_ID = less_70pct_ID(file)
		print(year_lst_of_less_70pct_ID)
		lst_of_less_70pct_ID = lst_of_less_70pct_ID + year_lst_of_less_70pct_ID
	lst_of_less_70pct_ID = rmv_rpt(lst_of_less_70pct_ID)
	print(lst_of_less_70pct_ID)
	

	for file in dir_list:
		file = filepath + file
		print(file)
		rmv_unwanted_ID(file, lst_of_less_70pct_ID)