Pandas: прочитать определенные колонки файла csv

df_new = pd.read_csv(path_new, sep=',', usecols= ['price', 'year', 'posting_date'], parse_dates=['posting_date','price','year'])

import pandas as pd
from datetime import datetime
 
df_new = pd.read_csv(path_new, sep=',', usecols= ['price', 'year', 'posting_date'], parse_dates=['posting_date','price','year'], dtype = [float, int, datetime])

df_new = pd.read_csv(path_new, sep=',', usecols= ['price', 'year', 'posting_date'], parse_dates=['price', 'year', 'posting_date'], dtype={['price': object], ['year' : int],['posting_date':datetime]})

import pandas as pd
import numpy as np
 
def convert_int(x):
    return int(x.split('.')[0])
    # или
    # return int(float(x))
 
path_new = 'veh_car.csv'
 
df_new = pd.read_csv(path_new, sep=';',
                     usecols= ['price', 'year', 'posting_date'],
                     parse_dates=['posting_date'],
                     converters={'price' : float,
                            'year' : convert_int})
 
print(df_new)

dtype=

parse_dates=['posting_date']

import pandas as pd
import numpy as np
 
def convert_int(x):
    if len(x) == 0:
        return 0
    return int(x.split('.')[0])
 
def convert_float(x):
    if len(x) == 0:
        return np.nan
    return float(x)
 
 
 
path_new = 'veh_car.csv'
 
df_new = pd.read_csv(path_new, sep=';',
                     usecols= ['price', 'year', 'posting_date'],
                     parse_dates=['posting_date'],
                     converters={'price' :convert_float,
                            'year' : convert_int})
 
df_new['month'] = df_new.posting_date.dt.month
print(df_new)

import pandas as pd
import numpy as np
 
def convert_int(x):
    if len(x) == 0:
        return 0
    return int(x.split('.')[0])
 
def convert_float(x):
    if len(x) == 0:
        return np.nan
    return float(x)
 
 
 
path_new = 'vehicles_dataset.txt'
 
df_new = pd.read_csv(path_new, sep=',',
                     usecols= ['price', 'year', 'posting_date'],
                     converters={'price' :convert_float,
                            'year' : convert_int})
df_new.posting_date = pd.to_datetime(df_new.posting_date, utc=True, errors='coerce')
df_new['month'] = df_new.posting_date.dt.month.map(lambda x: int(x) if x==x else 0)
print(df_new)
 
 
# строки исходных данных, приводящих ранее к ошибке
# (пустые ячейки в столбце posting_date)
print(df_new[df_new.month!=df_new.month])
print()
# (пустые ячейки в столбце year)
print(df_new[df_new.year==0])
print()
# (пустые ячейки в столбце price)
print(df_new[df_new.price!=df_new.price])

df_new = df_new[df_new.posting_date==df_new.posting_date]