CSV（Comma-Separated Values，逗号分隔值）文件是数据分析、自动化办公和科学计算中最常见的数据存储格式之一。它结构简单、通用性强，几乎所有的电子表格软件（如 Excel）和数据库都能支持。

作为一名 Python 初学者，掌握如何高效、正确地读取 CSV 文件是你迈向数据处理的第一步。

本文将系统地介绍两种主流的读取方法，并详细解析新手最容易遇到的“坑”及解决方案。

1. 准备工作 (Prerequisites)

在开始编写代码之前，请确保你已经准备好了以下环境：

• Python 环境：已安装 Python 3.x 版本。
• 代码编辑器：VS Code, PyCharm 或 Jupyter Notebook 均可。
• 测试数据：为了演示，请在你的项目目录下创建一个名为 data.csv 的文件，内容如下（注意保存时编码选为 UTF-8）：

ounter(lineounter(lineounter(lineounter(line姓名,年龄,城市,职业张三,25,北京,工程师李四,30,上海,设计师王五,28,深圳,产品经理

2. 方法一：使用 Python 内置 csv 模块

Python 标准库自带了 csv 模块，这意味着你不需要安装任何第三方库即可使用。这种方法适合处理简单的文件读取，或者在无法安装第三方库的受限环境中使用。

2.1 基础读取：作为列表 (Lists)

使用 csv.reader 对象，每一行数据会被读取为一个字符串列表。

ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineimport csv# 文件路径file_path = 'data.csv'# 使用 with open 语法，确保文件会自动关闭# encoding='utf-8' 非常重要，防止中文乱码withopen(file_path, mode='r', encoding='utf-8') asfile:    csv_reader = csv.reader(file)    # 逐行读取    for row in csv_reader:        print(row)

输出示例：

ounter(lineounter(lineounter(line['姓名', '年龄', '城市', '职业']['张三', '25', '北京', '工程师']...

2.2 进阶读取：作为字典 (Dictionaries)

如果你希望通过“列名”来获取数据，而不是通过索引（如 row[0]），使用 csv.DictReader 会更加直观和易读。

ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineimport csvfile_path = 'data.csv'with open(file_path, mode='r', encoding='utf-8') as file:    # 将每一行映射为一个字典，键就是表头（第一行）    csv_reader = csv.DictReader(file)    for row in csv_reader:        # 直接通过列名访问数据        print(f"姓名: {row['姓名']}, 职业: {row['职业']}")

输出示例：

ounter(lineounter(lineounter(line姓名: 张三, 职业: 工程师姓名: 李四, 职业: 设计师...

3. 方法二：使用 pandas 库 (推荐)

对于数据分析任务，Pandas 是事实上的行业标准。它将 CSV 读取为 DataFrame（数据框），提供了极其强大的数据筛选、处理和分析功能。

3.1 安装 Pandas

如果你还没有安装 pandas，请在终端（Terminal/Command Prompt）运行：

ounter(linepip install pandas

3.2 使用 Pandas 读取 CSV

代码非常简洁，通常只需要一行。

ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineimport pandas as pdfile_path = 'data.csv'# 读取文件df = pd.read_csv(file_path, encoding='utf-8')# 打印前几行数据预览print(df.head())# 打印数据的基本信息（列类型、非空数量等）print("-" * 20)print(df.info())

Pandas 的优势：

• 自动处理表头。
• 自动推断数据类型（例如将 '25' 识别为整数，而不是字符串）。
• 显示格式整齐美观。

4. 常见陷阱与注意事项 (Common Pitfalls)

作为初学者，代码报错是常态。在读取 CSV 时，90% 的问题都集中在以下几个方面：

4.1 编码问题 (Encoding Error) - 最常见！

现象：报错 UnicodeDecodeError: 'utf-8' codec can't decode byte... 或者读取出来的中文是乱码。原因：CSV 文件的保存编码与你代码中指定的编码不一致。Windows 系统的 Excel 默认保存为 GBK 或 GB18030，而 Python 默认常设为 UTF-8。

解决方案：

• 如果 encoding='utf-8' 报错，尝试改为 encoding='gbk' 或 encoding='gb18030'。
• Pandas 技巧：如果不确定编码，可以使用 encoding_errors='ignore' 忽略错误（不推荐），或者使用第三方库 chardet 检测编码。

4.2 文件路径问题 (File Path)

现象：报错 FileNotFoundError: [Errno 2] No such file or directory。原因：Python 找不到你的文件。通常是因为你使用了相对路径，但当前工作目录（Working Directory）不是文件所在的目录。

解决方案：

• 初学者建议：使用绝对路径。
• 注意：在 Windows 中复制路径时，反斜杠 \ 是转义字符。请在路径字符串前加 r，或者将 \ 改为 /。

ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(line# 错误写法 (Windows)path = 'C:\Users\Name\data.csv' # 正确写法 1 (使用原始字符串 r)path = r'C:\Users\Name\data.csv'# 正确写法 2 (使用正斜杠)path = 'C:/Users/Name/data.csv'

4.3 分隔符问题 (Delimiters)

现象：读取的数据全部挤在一列里，或者格式错乱。原因：虽然叫 CSV (Comma-Separated)，但有些文件是用分号 ; 或制表符 \t 分隔的。

解决方案：指定分隔符参数。

ounter(lineounter(lineounter(line# pandas 示例df = pd.read_csv('data.csv', sep=';')  # 如果是用分号分隔df = pd.read_csv('data.csv', sep='\t') # 如果是用 Tab 分隔

4.4 处理没有表头的文件

现象：第一行数据被误当成了列名（Header）。原因：源文件没有标题行。

解决方案：告诉 Python 不要把第一行当作 Header。

ounter(lineounter(lineounter(lineounter(line# header=None 表示没有表头# namesList 定义自定义列名namesList = ['Name', 'Age', 'City', 'Job']df = pd.read_csv('data.csv', header=None, names=namesList)

5. 总结 (Conclusion)

读取 CSV 文件虽然看似简单，但细节决定成败。

• 如果你只是做简单的脚本处理，不需要安装库，内置的 csv 模块（尤其是 DictReader）是轻量级的首选。
• 如果你需要进行数据清洗、统计分析或处理大型数据集，pandas 是绝对的王者，值得你投入时间深入学习。

最后，请记住处理 CSV 的“黄金法则”：永远先检查文件的编码格式！

希望这篇指南能帮助你顺利开启 Python 数据处理之旅。Happy Coding!