读取csv文件常用方法包括：1. 使用csv模块的reader读取为列表；2. 用dictreader按表头读取为字典；3. 用pandas.read_csv处理数据分析任务，支持分隔符、编码设置及分块读取，推荐根据需求选择。
读取 CSV 文件在 Python 中非常常见，主要使用内置的 csv 模块，也可以借助第三方库如 pandas。下面介绍几种常用且实用的方法。
使用 csv 模块读取（基础方法）
Python 自带的 csv 模块适合处理结构简单、数据量不大的文件。
示例代码：import csv
<p>with open('data.csv', mode='r', encoding='utf-8') as file:
reader = csv.reader(file)
for row in reader:
print(row) # 每行是一个列表
说明：每一行数据以列表形式返回，按列顺序排列。注意指定正确的编码格式（如 utf-8），避免中文乱码。
使用 DictReader 读取（推荐）
如果 CSV 文件有表头，DictReader 更方便，它将每行转为字典，字段名为键。
立即学习“Python免费学习笔记（深入）”；
import csv
<p>with open('data.csv', mode='r', encoding='utf-8') as file:
reader = csv.DictReader(file)
for row in reader:
print(row) # 每行是字典，如 {'name': 'Alice', 'age': '25'}
这种方法可读性强，便于按列名访问数据，比如 row['name']。
使用 pandas 读取（适合数据分析）
对于数据处理和分析任务，pandas 提供了更强大的功能。
示例代码：import pandas as pd
<p>df = pd.read_csv('data.csv')
print(df) # 显示表格形式的数据
pandas 能自动识别表头，支持缺失值处理、类型转换、筛选等操作。安装方式：pip install pandas。
处理特殊情况的小技巧
实际使用中可能遇到不同分隔符、引号或编码问题。
- 若字段用制表符分隔，加参数 delimiter='\t'
- 跳过空行可设置 skip_blank_lines=True（pandas 支持）
- 读取时指定列类型，避免数字被当字符串处理
- 处理大文件时，可用 chunksize 分批读取，节省内存
基本上就这些。根据需求选择合适的方法：简单脚本用 csv，数据分析优先考虑 pandas。不复杂但容易忽略的是编码和分隔符设置，务必检查原始文件格式。
