pd.read_csv() —— 读取 CSV 文件

pandas.read_csv() 用于读取 CSV（逗号分隔值）文件，并将其转换为 DataFrame，适用于 数据分析、数据清洗、机器学习 等任务。

---

1. 语法

import pandas as pd

df = pd.read_csv(filepath, sep=',', header='infer', names=None, index_col=None, usecols=None, dtype=None)

常用参数

参数	作用
filepath	CSV 文件路径（本地路径或 URL）
sep	分隔符（默认 ,，支持 \t（TSV）、`
header	指定标题行（header=None 表示无表头）
names	设定列名（适用于无标题 CSV）
index_col	设置索引列（index_col=0 代表第一列为索引）
usecols	选择要读取的列（usecols=["col1", "col2"]）
dtype	指定列的数据类型（dtype={"col1": str, "col2": float}）
nrows	读取前 n 行数据
skiprows	跳过前 n 行（skiprows=10 跳过前 10 行）
encoding	指定编码格式（如 utf-8，latin1，gbk）

---

2. 读取 CSV 文件

2.1 读取标准 CSV

import pandas as pd

df = pd.read_csv("data.csv")
print(df.head())  # 查看前 5 行

如果 data.csv 内容如下：

name,age,score
Alice,25,90
Bob,30,85
Charlie,22,95

输出

     name  age  score
0   Alice   25     90
1     Bob   30     85
2  Charlie   22     95

---

2.2 读取无表头 CSV

df = pd.read_csv("data.csv", header=None, names=["Name", "Age", "Score"])
print(df.head())

作用

• header=None：告诉 Pandas 这个 CSV 没有列名
• names=["Name", "Age", "Score"]：指定列名

---

2.3 读取指定列

df = pd.read_csv("data.csv", usecols=["name", "age"])
print(df.head())

作用

• usecols=["name", "age"]：只读取指定的列，忽略 score 列

---

2.4 设定索引列

df = pd.read_csv("data.csv", index_col="name")
print(df.head())

作用

• index_col="name"：将 name 设为索引列

---

2.5 处理不同分隔符（TSV、管道分隔）

df = pd.read_csv("data.tsv", sep="\t")  # 读取 TSV 文件
df = pd.read_csv("data.txt", sep="|")   # 读取 | 分隔文件

作用

• sep="\t"：读取制表符（TSV 文件）
• sep="|"：读取 | 分隔的文件

---

2.6 处理缺失值

df = pd.read_csv("data.csv", na_values=["?", "N/A", "NULL"])
print(df.isnull().sum())  # 查看缺失值

作用

• na_values=["?", "N/A", "NULL"]：将 ?、N/A、NULL 识别为 NaN

---

2.7 只读取前 n 行

df = pd.read_csv("data.csv", nrows=10)
print(df)

作用

• nrows=10：只读取前 10 行

---

2.8 跳过前 n 行

df = pd.read_csv("data.csv", skiprows=5)
print(df)

作用

• skiprows=5：跳过前 5 行，不读取

---

2.9 设定数据类型

df = pd.read_csv("data.csv", dtype={"age": int, "score": float})
print(df.dtypes)

作用

• dtype={"age": int, "score": float}：指定 age 为整数，score 为浮点数

---

2.10 读取 URL CSV

url = "https://people.sc.fsu.edu/~jburkardt/data/csv/hw_200.csv"
df = pd.read_csv(url)
print(df.head())

作用

• 直接读取在线 CSV 文件

---

3. 解决常见问题

3.1 UnicodeDecodeError（编码问题）

df = pd.read_csv("data.csv", encoding="latin1")  # 或 encoding="gbk"

原因

• CSV 可能不是 UTF-8 编码（如 GBK、Latin-1）

---

3.2 Pandas 解析速度慢

df = pd.read_csv("data.csv", low_memory=False)  # 适用于大文件

作用

• low_memory=False 加速解析大文件

---

3.3 CSV 文件带 # 开头的注释

df = pd.read_csv("data.csv", comment="#")

作用

• comment="#" 忽略 # 开头的注释行

---

4. 总结

用法	代码
读取标准 CSV	pd.read_csv("data.csv")
读取无表头 CSV	pd.read_csv("data.csv", header=None, names=["A", "B"])
读取指定列	pd.read_csv("data.csv", usecols=["col1", "col2"])
设定索引列	pd.read_csv("data.csv", index_col="name")
处理缺失值	pd.read_csv("data.csv", na_values=["?", "N/A"])
设定数据类型	pd.read_csv("data.csv", dtype={"age": int})
读取前 n 行	pd.read_csv("data.csv", nrows=10)
跳过前 n 行	pd.read_csv("data.csv", skiprows=5)
解决编码错误	pd.read_csv("data.csv", encoding="latin1")

pd.read_csv() 是 Pandas 最常用的数据读取方法，支持 各种格式、数据过滤、编码处理，适用于 大规模数据分析。