Python自学17 - Python读写CSV文件在数据处理和分析的工作中，CSV（Comma-Separated Values，逗号分隔值）文件是一种非常常见的数据存储格式。
它结构简单、易于阅读，并且被广泛应用于 Excel、数据库、数据分析工具等场景之间的数据传输。
Python 作为一门强大的编程语言，提供了多种便捷的方式来读写 CSV 文件，本次课程将详细介绍两种常用的方法：使用 Python 内置的csv模块和第三方库pandas，帮助大家轻松掌握 CSV 文件的操作技巧。
1️⃣ 什么是 CSV 文件纯文本格式，以逗号（,）分隔字段每一行代表一条记录第一行通常是表头（列名）兼容性好，可用 Excel、Google Sheets、数据库等直接打开示例：
代码语言：javascript代码运行次数：0运行复制Name,Age,City
Alice,30,New York
Bob,25,Los Angeles
Charlie,35,Chicago2️⃣ Python 读写 CSV 的常用方式Python 提供了两种主流方式：
方法
特点
适用场景
csv 标准库
内置，无需安装
小文件、简单读写
pandas 库
功能强大，支持数据分析
大文件、复杂数据处理
3️⃣ 使用 csv 模块读写3.1 读取 CSV 文件代码语言：javascript代码运行次数：0运行复制import csv
# 读取 CSV 文件
with open('input.csv', mode='r', newline='', encoding='utf-8') as infile:
reader = csv.reader(infile)
for row in reader:
print(row) # 每行是一个列表注意事项：
newline='' 避免多余空行encoding='utf-8-sig' 可避免 Excel 打开时中文乱码3.2 写入 CSV 文件代码语言：javascript代码运行次数：0运行复制import csv
data = [
['Name', 'Age', 'City'],
['Alice', 30, 'New York'],
['Bob', 25, 'Los Angeles']
]
with open('output.csv', mode='w', newline='', encoding='utf-8-sig') as outfile:
writer = csv.writer(outfile)
writer.writerows(data) # 一次写入多行3.3 使用字典读写（更直观）代码语言：javascript代码运行次数：0运行复制import csv
# 写入
with open('people.csv', mode='w', newline='', encoding='utf-8-sig') as f:
fieldnames = ['Name', 'Age', 'City']
writer = csv.DictWriter(f, fieldnames=fieldnames)
writer.writeheader()
writer.writerow({'Name': 'Alice', 'Age': 30, 'City': 'New York'})
writer.writerow({'Name': 'Bob', 'Age': 25, 'City': 'Los Angeles'})
# 读取
with open('people.csv', mode='r', encoding='utf-8-sig') as f:
reader = csv.DictReader(f)
for row in reader:
print(row['Name'], row['City'])4️⃣ 使用 pandas 读写（推荐数据分析场景）代码语言：javascript代码运行次数：0运行复制import pandas as pd
# 读取
df = pd.read_csv('input.csv', encoding='utf-8')
print(df.head())
# 写入
df.to_csv('output.csv', index=False, encoding='utf-8-sig')优势：
支持按列筛选、数据统计、缺失值处理等读取速度快，适合大数据量5️⃣ 常见问题与优化建议中文乱码
用 utf-8-sig 编码写入，Excel 打开正常多余空行
打开文件时加 newline=''大文件读取慢
pandas.read_csv() 加 chunksize 分块读取字段中包含逗号
使用 quotechar='"' 包裹字段6️⃣ 实战案例：合并多个 CSV 文件代码语言：javascript代码运行次数：0运行复制import pandas as pd
import glob
# 获取所有 CSV 文件路径
files = glob.glob('data/*.csv')
# 读取并合并
df_list = [pd.read_csv(file) for file in files]
merged_df = pd.concat(df_list, ignore_index=True)
# 保存
merged_df.to_csv('merged.csv', index=False, encoding='utf-8-sig')
print("合并完成！")7️⃣ 总结小文件 → csv 标准库足够大文件/数据分析 → pandas 更高效注意编码、换行、分隔符等细节结合自动化脚本，可轻松实现批量数据处理