本文共 1774 字，大约阅读时间需要 5 分钟。

在 Python 中读取 CSV 文件：使用 Pandas、NumPy 和标准库

在 Python 中读取和处理 CSV 文件，是日常数据分析工作中的常见任务。以下是几种常用的方法，帮助你高效地完成文件读取和数据解析。

1. 使用 Pandas 读取 CSV 文件

Pandas 是读取和处理 CSV 文件的首选工具，因其功能强大且操作简便。

基本用法

import pandas as pd# 读取 CSV 文件file_path = "data.csv"data = pd.read_csv(file_path)# 查看数据前几行print(data.head())

指定分隔符

如果 CSV 文件使用的分隔符不是逗号，还可以通过 sep 参数指定：

data = pd.read_csv(file_path, sep=';')

处理编码问题

对于包含特殊字符的 CSV 文件，可以指定编码方式：

data = pd.read_csv(file_path, encoding='utf-8')  # 常用编码有 utf-8 和 gbk

2. 使用 NumPy 读取 CSV 文件

NumPy 是一种强大且灵活的数值处理库，也可以用来读取 CSV 文件。它特别适合处理简单的数值型数据。

基本用法

import numpy as np# 读取 CSV 文件file_path = "data.csv"data = np.loadtxt(file_path, delimiter=',', skiprows=1)# 查看数据print(data)

参数说明

• delimiter：指定分隔符，常用逗号 , 或分号 ;。
• skiprows：跳过文件的前几行。
• dtype：指定数据类型，默认为 float。

注意事项

NumPy 适合处理纯数值型文件。如果 CSV 文件包含字符串或混合数据类型，建议使用 Pandas。

3. 使用标准的 csv 模块

csv 模块适合处理简单的 CSV 文件，无需依赖外部库。

基本用法

import csv# 读取 CSV 文件file_path = "data.csv"with open(file_path, mode='r', encoding='utf-8') as file:    reader = csv.reader(file)    for row in reader:        print(row)

指定分隔符

with open(file_path, mode='r', encoding='utf-8') as file:    reader = csv.reader(file, delimiter=';')    for row in reader:        print(row)

4. 处理带表头的 CSV 文件

如果 CSV 文件包含表头（列名），Pandas 是最佳选择。

示例

import pandas as pd# 读取带表头的 CSV 文件data = pd.read_csv("data.csv")# 查看列名print(data.columns)

5. 常见问题及解决方法

文件路径错误

• 确保文件路径正确：

  file_path = r"C:\path\to\file.csv"

编码问题

• 如果出现 UnicodeDecodeError，尝试指定编码：

  data = pd.read_csv(file_path, encoding='gbk')

大文件优化

• Pandas 支持按块读取：

  chunk_size = 1000for chunk in pd.read_csv(file_path, chunksize=chunk_size):    print(chunk)

列名或数据清洗

• 如果 CSV 文件没有列名，可以手动指定：

  data = pd.read_csv(file_path, header=None, names=['col1', 'col2', 'col3'])

推荐方法

• 对于复杂文件，优先使用 Pandas。
• 对于简单的数值文件，可以使用 NumPy。

通过合理选择工具和方法，你可以高效地读取和处理 CSV 文件，满足不同场景的需求。

转载地址：http://hbofk.baihongyu.com/