📚 课程目录第2章 Python读取CSV基础

Python读取CSV基础：使用csv模块的reader()、逐行读取与类型转换、处理表头与数据分离

说实话，很多人一上来就用Pandas处理CSV。但我觉得，先搞懂Python自带的csv模块，才是真正的「基本功」。你想想看，如果连最底层的读取逻辑都不清楚，出了问题你怎么排查？

我在项目里遇到过好几次——Pandas读出来全是乱码，或者数据类型全变成object。这时候回头用csv.reader()一查，问题立马就暴露了。所以这一章，咱们就把根基打牢。

2.1 为什么选csv模块？

Python标准库里的csv模块，轻量、稳定、零依赖。它不像Pandas那样「全家桶」，但恰恰因为简单，你才能看清每一行数据是怎么进来的。

对比项	csv模块	Pandas
依赖	无（标准库）	需安装
读取速度（小文件）	快	稍慢（加载开销）
内存占用	低（逐行）	高（全量加载）
类型推断	无（全字符串）	自动推断
适用场景	调试、小文件、流式处理	数据分析、大表操作

说白了，csv模块就是给你一把「手术刀」，让你精确控制每一行。而Pandas是「瑞士军刀」，功能多但有时候会自作主张。

2.2 reader() 的核心用法

csv.reader()接受一个文件对象，返回一个迭代器。每次迭代返回一行，类型是列表。嗯，这里要注意——它不会自动跳过空行，也不会处理引号内的换行，这些都得你自己兜底。

import csv

with open('配方数据.csv', 'r', encoding='utf-8') as f:
    reader = csv.reader(f)
    for row in reader:
        print(row)

这段代码看起来简单，但我踩过一个坑：如果CSV文件是Excel导出的，编码可能是gbk或gb2312。用utf-8读会直接报错。我建议你第一次打开时，用try-except兜一下编码问题。

我的习惯：先读前几行判断编码，再正式读取。用chardet库自动检测也行，但小文件我直接试utf-8和gbk两种。

2.3 逐行读取与类型转换

reader()返回的每一行都是字符串列表。但配方数据里，温度、浓度、时间这些字段，你肯定希望它们是数字。所以类型转换这一步，必须手动做。

import csv

with open('配方数据.csv', 'r', encoding='utf-8') as f:
    reader = csv.reader(f)
    for row in reader:
        # row[0] 是配方名称，保持字符串
        name = row[0]
        # row[1] 是温度，转成float
        temp = float(row[1])
        # row[2] 是浓度，转成float
        conc = float(row[2])
        # row[3] 是批次号，保持字符串
        batch = row[3]
        print(f'{name}: {temp}°C, {conc}%, 批次{batch}')

为什么会这样？因为CSV本质是纯文本，没有类型信息。你想想看，Excel打开CSV时能自动识别数字，那是因为它做了「猜测」。但Python不会替你猜，它把选择权交给你。

我曾经踩过的坑：有一批数据里，温度字段偶尔出现空值。直接float('')会抛ValueError。后来我加了个判断：temp = float(row[1]) if row[1] else None。记住，生产环境里「脏数据」才是常态。

2.4 处理表头与数据分离

大多数CSV文件第一行是表头。我见过有人直接next(reader)跳过，然后遍历剩下的行。这没问题，但有个细节——表头行本身也可能包含空值或注释，你得先校验一下。

import csv

with open('配方数据.csv', 'r', encoding='utf-8') as f:
    reader = csv.reader(f)
    header = next(reader)
    # 校验表头是否完整
    expected = ['配方名称', '温度', '浓度', '批次号']
    if header != expected:
        print(f'警告：表头不匹配，期望{expected}，实际{header}')
    # 正式读取数据
    for row in reader:
        # 跳过空行
        if not any(row):
            continue
        name, temp, conc, batch = row
        # 类型转换
        temp = float(temp) if temp else None
        conc = float(conc) if conc else None
        print(f'{name}: {temp}, {conc}, {batch}')

我个人习惯把表头和数据分离后，用dict来组织每一行。这样代码可读性更高，也不容易搞错列索引。

import csv

with open('配方数据.csv', 'r', encoding='utf-8') as f:
    reader = csv.reader(f)
    header = next(reader)
    data = []
    for row in reader:
        if not any(row):
            continue
        record = dict(zip(header, row))
        # 类型转换
        record['温度'] = float(record['温度']) if record['温度'] else None
        record['浓度'] = float(record['浓度']) if record['浓度'] else None
        data.append(record)

# 现在 data 是一个字典列表，用字段名访问
for rec in data:
    print(rec['配方名称'], rec['温度'])

  核心思路：表头是「元数据」，数据行是「实例」。分离后，你可以对表头做校验、重命名、甚至动态生成处理逻辑。我在做配方导入系统时，就是靠这个思路实现了「任意列顺序兼容」。

2.5 本章知识结构图

下面这张图，帮你把本章的核心逻辑串起来。从文件打开到数据可用，每一步都有对应的处理要点。

2.6 常见问题与避坑

编码错误：用encoding='utf-8-sig'可以自动处理BOM头。Excel导出的UTF-8文件经常带BOM。
引号内换行：如果某个字段包含换行符，reader()会自动处理，但前提是字段被引号包裹。如果没包裹，行数会错乱。
空行：CSV文件末尾经常有空行。用if not any(row): continue跳过。
列数不一致：某一行少了几列，reader()不会报错，但后续索引会越界。我建议每行都检查len(row)。

一个小技巧：用csv.DictReader可以自动把第一行当表头，返回字典。但它的类型转换还是得手动做。我个人更喜欢用reader() + zip(header, row)，更灵活。

好了，这一章的内容就这些。记住：csv.reader()是基础，逐行读取是核心，类型转换是必须，表头分离是规范。把这四点吃透，后面批量导入配方数据时，你就能游刃有余了。