python读入csv数据

在Python中可以使用pandas库中的read_csv函数来读入csv数据。具体步骤如下：

1. 导入pandas库

import pandas as pd

2. 使用read_csv函数读取csv文件

df = pd.read_csv('filename.csv')

其中，filename.csv为csv文件的文件路径。

3. 查看读入的数据

print(df.head())

head()函数可以查看前几行数据，默认为前5行。

相关问题

python读入csv出错

### Python `pandas.read_csv` 错误处理及解决方案

当使用 `pandas.read_csv()` 函数读取 CSV 文件时，可能会遇到各种错误。以下是常见错误及其对应的解决方案。

#### 1. 数据类型不匹配引发的错误
如果数据文件中存在无法转换为目标类型的条目，则会抛出类似于 "invalid literal for int()" 的异常[^4]。为了防止此类错误发生，在调用 `read_csv` 方法时可以指定列的数据类型：

import pandas as pd

df = pd.read_csv('data.csv', dtype={
    'column_name': str,
})

通过设置参数 `dtype` 来定义每列预期的数据类型，从而避免因自动推断而导致的问题[^3]。

#### 2. 处理大文件引起的内存不足问题
对于非常大的CSV文件，默认情况下由于频繁调整内部缓冲区大小可能导致性能下降甚至报错。此时可以通过配置 `low_memory=False` 参数来减少中间状态保存次数并提高效率；另外还可以利用 `chunksize` 或者 `iterator=True` 实现分块加载以降低单次操作所需资源占用量。

# 设置 low_memory 和 chunksize 参数
df_iterator = pd.read_csv('large_data.csv', low_memory=False, chunksize=10 ** 6)

for chunk in df_iterator:
    process(chunk)  # 对每个片段单独执行相应逻辑

#### 3. 缺失值或特殊字符造成的解析失败
有时源文件内含有不符合标准格式的内容（如多余的逗号），这会使默认解析器难以正常工作。针对这种情况建议先查看文档确认具体原因再采取措施修正输入流，比如更改分隔符、跳过特定行数或是自定义NA标记列表等。

# 自定义 na_values 列表以及 sep 分隔符
df = pd.read_csv(
    'problematic_file.csv',
    sep=';',           # 使用分号作为字段间界限
    skiprows=[1],      # 跳过第二行记录
    na_values=['NULL'] # 将字符串 NULL 当作缺失值处理
)

python读入csv

读取 CSV 文件可以使用 Python 的内置模块 csv。

以下是一个简单的示例代码，演示如何读取 CSV 文件并将每行数据存储为字典对象：

import csv

with open('example.csv', newline='') as csvfile:
    reader = csv.DictReader(csvfile)
    for row in reader:
        print(row)

在上面的代码中，我们使用 `csv.DictReader` 创建一个 CSV 文件的读取器，然后迭代读取器的每一行，将其转换为字典对象并打印出来。

注意，在打开 CSV 文件时，我们使用了 `newline=''` 参数来避免 Windows 下可能出现的换行符问题。