先判断编码#

如果中文变成乱码，优先尝试 utf-8-sig 和 gbk。utf-8-sig 常见于带 BOM 的 CSV，gbk 常见于 Windows 环境导出的中文文件。

1
import pandas as pd
2

3
for enc in ["utf-8", "utf-8-sig", "gbk", "gb18030"]:
4
    try:
5
        df = pd.read_csv("data.csv", encoding=enc, nrows=5)
6
        print(enc, df.head())
7
        break
8
    except UnicodeDecodeError as e:
9
        print(enc, "failed", e)

再检查分隔符#

有些文件扩展名叫 .csv，实际却用制表符、分号或多个空格分隔。读取后如果只有一列，或者列名挤在一起，就要检查 sep。

1
df = pd.read_csv("data.csv", encoding="gbk", sep=None, engine="python")
2
print(df.shape)
3
print(df.columns.tolist())

最后看空值和表头#

后台导出的表格常会在前几行放说明文字，真正表头不在第一行。这时可以用 skiprows 或 header 指定读取位置。

读完后立刻打印 shape、columns、head，不要等分析结果异常时再回头查输入。

复查点#

• 行数是否和原文件大致一致。

• 中文列名是否正常显示。

• 是否出现 Unnamed: 0 这类多余索引列。

• 数值列有没有被整体读成字符串。

实战复盘#

复用《pandas 读取 CSV 编码问题》时，不要只复制代码块。先把自己的字段名、数据口径和异常规则写出来，再替换示例里的列名。pandas 的函数很通用，但业务字段的含义不能自动迁移。

每次处理完成后，我会抽样看几条原始记录和处理后记录。尤其是日期、金额、分类字段，机器统计和肉眼抽查要一起做，才能发现格式看似正常但含义错位的问题。

这类文章后续可以继续补充真实小表格作为输入示例。输入、处理、输出三者都出现，教程才不会变成只解释 API。

最小验收样例#

验收《pandas 读取 CSV 编码问题》时，我会手写一个三到五行的小 DataFrame：一行正常数据，一行缺失或异常数据，一行边界数据。先让示例在小表上跑通，再换成完整数据集。

小表的好处是结果可以人工计算。只要人工结果和 pandas 输出对不上，就说明代码逻辑或字段口径还没想清楚。这个过程比直接在大表上调试更可靠。

小结#

CSV 读取问题要按编码、分隔符、表头、空值的顺序排查。第一步读错，后面所有统计都会跟着错。