本文共 2979 字，大约阅读时间需要 9 分钟。

pandas.read_csv() 是 pandas 中最常用的函数之一，用于从 CSV（Comma-Separated Values）文件读取数据并加载为 DataFrame。以下是 read_csv 的详细解析，包括参数、用法和常见问题。

基本语法

import pandas as pddata = pd.read_csv(filepath, **kwargs)

• filepath: 文件路径，支持本地路径或 URL。

主要参数详解

1. 数据分隔

sep: 指定分隔符（默认 ','）

• 用于指定文件中列之间的分隔符。
• 默认是逗号（,），可以更改为其他分隔符，如制表符（\t）或空格。

data = pd.read_csv('data.csv', sep=',')  # 默认分隔符是逗号data = pd.read_csv('data.tsv', sep='\t')  # 使用制表符data = pd.read_csv('data.txt', sep=' ')  # 使用空格分隔

2. 文件编码

encoding: 文件编码格式

• 默认使用 utf-8，但文件可能是其他编码格式。
• 常见编码：
  • latin1 或 ISO-8859-1：处理西欧语言。
  • gbk：用于中文文件。

data = pd.read_csv('data.csv', encoding='utf-8')data = pd.read_csv('data.csv', encoding='gbk')

3. 处理缺失值

na_values: 指定哪些值视为缺失值

• 默认将 NaN、空字符串等视为缺失值。
• 可以指定更多的缺失值表示形式，例如 -1 或 NULL。

data = pd.read_csv('data.csv', na_values=['NULL', '-1'])

keep_default_na: 是否保留默认的缺失值识别

• 默认是 True，如果想仅使用 na_values 指定的值作为缺失值，设置为 False。

data = pd.read_csv('data.csv', na_values=['None'], keep_default_na=False)

4. 指定行与列

usecols: 选择读取的列

• 提供列名列表或列索引列表，仅读取指定的列。

data = pd.read_csv('data.csv', usecols=['col1', 'col2'])data = pd.read_csv('data.csv', usecols=[0, 1])  # 按列索引选择

skiprows: 跳过前几行

• 可跳过文件的指定行数（或行列表）。

data = pd.read_csv('data.csv', skiprows=2)  # 跳过前两行data = pd.read_csv('data.csv', skiprows=[0, 2])  # 跳过第0行和第2行

5. 索引

index_col: 指定哪一列作为索引

• 通过列名或列索引指定。

data = pd.read_csv('data.csv', index_col='id')data = pd.read_csv('data.csv', index_col=0)  # 第一列作为索引

6. 数据类型

dtype: 强制指定列的数据类型

• 默认会自动推断数据类型，但可以显式指定。

data = pd.read_csv('data.csv', dtype={
   'col1': int, 'col2': float})

7. 处理行数

nrows: 读取前几行

• 仅读取文件的前 n 行。

data = pd.read_csv('data.csv', nrows=100)  # 读取前100行

chunksize: 按块读取

• 以块为单位读取大文件，每次读取固定行数。

chunk_iter = pd.read_csv('data.csv', chunksize=1000)for chunk in chunk_iter:    print(chunk.head())

8. 处理列名

header: 指定列名行

• 默认 header=0（第一行作为列名）。
• 如果文件没有列名，设置 header=None。

data = pd.read_csv('data.csv', header=0)  # 第一行是列名data = pd.read_csv('data.csv', header=None, names=['col1', 'col2', 'col3'])  # 自定义列名

9. 其他常用参数

• delimiter: 同 sep，用于指定分隔符。
• quotechar: 指定引用字符（默认 '"'），用于识别包含分隔符的字符串。

data = pd.read_csv('data.csv', sep=',', quotechar='"')

• error_bad_lines: 遇到坏行是否报错（已弃用）。
  • 替代方法是使用 on_bad_lines='skip'：

data = pd.read_csv('data.csv', on_bad_lines='skip')

示例 1：读取基础 CSV 文件

data = pd.read_csv('data.csv', sep=',', encoding='utf-8', nrows=10)print(data.head())

示例 2：处理特殊 CSV 文件

假设文件 data.csv 内容如下：

# 注释行ID,Name,Age,City1,Alice,30,NewYork2,Bob,25,LosAngeles3,Charlie,,Chicago

使用以下代码：

data = pd.read_csv('data.csv', sep=',', comment='#', na_values=[''])print(data)

输出：

ID     Name   Age         City0   1    Alice  30.0      NewYork1   2      Bob  25.0  LosAngeles2   3  Charlie   NaN      Chicago

示例 3：大文件分块读取

chunk_iter = pd.read_csv('large_data.csv', chunksize=10000)for chunk in chunk_iter:    print(chunk.shape)

常见问题

1. UnicodeDecodeError: 文件编码不匹配，尝试指定编码：

   data = pd.read_csv('data.csv', encoding='latin1')

2. 分隔符复杂：使用正则表达式：

   data = pd.read_csv('data.csv', sep=r'\s+')

3. 大文件内存不足：使用 chunksize 分块处理，或仅加载特定列和行。

总结

pandas.read_csv() 提供了灵活强大的参数支持，可以满足绝大多数的 CSV 文件读取需求。根据具体情况调整参数即可高效加载数据！