Python pandas读取CSV教程：一行加载成DataFrame

用pandas的read_csv读取CSV文件，自动识别类型、处理表头、跳到指定列，适合数据分析和批量清洗场景，附完整代码。

场景痛点

拿到一份几千行的CSV，手动在Excel里点筛选、排序、统计很费时间，还容易误操作改错原表。pandas一行 read_csv 就能把整张表加载成DataFrame，后面随便筛选、聚合、导出，比Excel高效得多。

用到的库

pip install pandas

完整代码

# 用pandas读取CSV文件
import pandas as pd

def read_basic(file_path):
"""最基础的读法，自动推断列类型。"""
df = pd.read_csv(file_path, encoding="utf-8-sig")
print("形状（行,列）：", df.shape)
print("列名：", list(df.columns))
print("前5行：")
print(df.head())
return df

def read_with_options(file_path):
"""常用参数组合：指定编码、只取需要的列、跳过空行、指定索引列。"""
df = pd.read_csv(
file_path,
encoding="utf-8-sig",      # 兼容Excel导出
usecols=["姓名", "年龄", "城市"],  # 只读这三列，省内存
dtype={"年龄": "Int64"},   # 把年龄当整数读，允许缺失
skip_blank_lines=True,     # 跳过空行
)
print(df.info())
print(df.describe(include="all"))
return df

def read_big_file(file_path):
"""
超大CSV分块读，每次只读10万行，避免内存爆掉。
真正的大数据场景看chunksize那篇。
"""
chunks = []
for chunk in pd.read_csv(file_path, chunksize=100000, encoding="utf-8-sig"):
chunks.append(chunk)
df = pd.concat(chunks, ignore_index=True)
print(f"分块读取完成，共 {len(df)} 行")
return df

def main():
file_path = "data.csv"

print("=== 基础读取 ===")
df = read_basic(file_path)

print("\n=== 带参数读取 ===")
df2 = read_with_options(file_path)

print("\n=== 分块读取（演示用，可按需打开）===")
# df3 = read_big_file(file_path)

if __name__ == "__main__":
main()