python如何读取csv文件：两种主流实操方法

python如何读取csv文件，主流可直接落地的方法为内置csv模块读取、pandas库读取，csv模块无需额外安装、适配轻量小体量csv文件，支持自定义解析规则，pandas读取代码极简、自带数据结构化处理能力，适合数据分析场景，两者均兼容UTF-8、GBK常用编码格式，文件路径错误、编码不匹配、空值异常是实操中较为常见的问题，100MB以上超大csv文件优先选用csv模块逐行读取，可有效降低内存占用。

python读取csv文件之csv模块方法

csv模块是Python标准内置模块，你无需通过pip等工具安装，打开Python环境即可直接调用，适配所有Python基础版本。基础读取操作仅需三步，第一步通过importcsv导入模块，第二步使用open函数以只读模式打开csv文件，匹配文件对应编码，常用编码为utf-8、gbk，第三步通过csv.reader读取文件句柄，遍历迭代获取每行数据，读取结果以列表格式呈现，每一行数据对应一个独立列表。

你可通过字段名精准读取数据，无需手动匹配列索引，调用csv.DictReader即可实现，该方法会自动将csv首行内容作为字典键名，每行数据作为对应值，后续可直接通过列名调取目标数据，大幅降低数据读取出错概率。单次读取完整大文件会占用较多内存，csv模块支持逐行迭代读取，适合行数超十万的csv文件，能将内存占用控制在较低水平。

编码报错是该方法最常见问题，打开文件时未指定编码、文件编码与程序默认编码不一致，会直接抛出UnicodeDecodeError报错，无法读取文件内容。你优先尝试encoding="utf-8"、encoding="gbk"两种参数切换，绝大多数日常办公生成的csv文件均可正常解析。

python读取csv文件之pandas库方法

pandas是Python数据分析主流第三方库，读取csv文件仅需一行核心代码，操作门槛更低，适合快速数据读取与预处理。使用前你需要执行pipinstallpandas完成安装，安装完成后通过importpandasaspd导入库，调用pd.read_csv(文件路径)即可读取文件，读取结果为DataFrame结构化数据格式，自带行列索引、空值识别、数据类型自动转换功能。

该方法自带丰富的参数适配各类特殊csv文件，sep参数可自定义分隔符，适配逗号、制表符、空格分隔的文件，header参数可指定表头行数，skiprows参数可跳过文件开头无效注释行，na_values参数可自定义识别空值标记，适配不规则格式的csv数据源。日常数据分析、数据清洗、可视化前置读取场景，该方法的效率和便捷性较为突出。

超大文件慎用pandas全量读取。

pandas读取100MB以上csv文件时，会一次性将全部数据加载至内存，容易出现程序卡顿、内存溢出的情况，此时优先选用csv模块逐行迭代读取。同时pandas对非常规乱序csv、无表头残缺csv的兼容度一般，这类文件使用原生csv模块解析，能有效规避数据错位、字段丢失问题。

两种方法均支持绝对路径和相对路径读取文件，相对路径仅需填写文件名，要求代码文件与csv文件在同一文件夹，绝对路径需要填写电脑完整文件路径，路径中包含中文时，utf-8编码模式下大概率不会出现解析异常，gbk编码需规避特殊中文符号。

根据CSDN2026年Python开发实操数据统计，csv文件读取场景中，pandas方法使用率占比72%，csv内置模块使用率占比28%，前者集中应用于数据分析岗位，后者多用于爬虫、批量数据处理自动化场景。