刚接手批量整理本地数据的活，excel打开大体积csv直接卡死，硬扛半天没用，最后老老实实琢磨python如何读取csv，全程徒手试错，没套用任何成套教程模板，摸出了最适配新手的实操办法。
最开始压根不知道有内置工具。
一开始傻乎乎去装第三方库，跟风搜了一堆复杂的pandas读取代码，复制粘贴运行后直接报错，要么是路径识别失败，要么是中文乱码，明明代码看着和教程一模一样，跑出来的结果就是空数据表，反复改参数、重启编辑器，折腾了快一小时，完全没搞懂问题出在哪，后来才反应过来，新手根本没必要一上来就用pandas，python自带的csv模块就足够搞定基础读取，完全不用额外安装依赖，省去很多兼容问题和安装报错的麻烦，对零基础新手极其友好。
很多人都会忽略文件存放位置的问题，这也是我当时卡最久的点。
把编写好的py脚本文件，和需要读取的csv文件放在同一个文件夹里，就能直接用相对路径读取，不用输入一长串复杂的绝对路径。文件路径不统一的话，不管写多少读取代码，程序都找不到目标文件，只会抛出文件不存在的报错，当时还傻傻以为是代码语法错了，逐行核对了三四遍，浪费了大把没用的时间。
改完路径之后，第一次顺利跑通了基础读取代码。
调用内置csv模块的reader方法，打开文件时必须标注编码格式，我习惯性用encoding='utf-8'，之前所有的中文乱码问题，就是因为偷懒没加这行参数。本地导出的csv文件编码不固定，有的是gbk格式，有的是utf-8格式，不手动匹配的话，读取出来的中文全是杂乱符号，根本没法用。读取完成后，用循环语句遍历文件内容，每一行数据都会自动生成列表格式，每个单元格的内容都是独立元素，可以直接调取使用，不用额外做格式转换，简单的数据筛选、核对工作完全能搞定。
原生csv模块的读取方式也有局限，就是没办法直接通过表头名称调取整列数据，只能靠数字索引定位列的位置。反正日常简单的数据处理需求，这个短板完全可以忽略，相比pandas庞大的安装包和加载速度，原生模块启动更快、运行更轻便，不用适配各种版本冲突。
试过几次编码切换和路径调整后，终于能稳定读取各类本地csv文件，没有任何报错，数据完整度也没问题。整个实操过程没有复杂逻辑，所有难点全是新手最容易踩的基础小坑，避开之后读取操作就变得特别简单。
关掉代码编辑器的时候，桌面还留着刚才截的报错日志截图，懒得清理，就那么静置在屏幕角落。