从混合CSV文件提取Pandas DataFrame的技术问题求助

你的核心问题是直接读取CSV时，前面无关行的列数不一致导致解析报错，而且目标起始行不固定，无法提前指定skiprows。正确的思路是先定位到目标表头行（含'ID'的行），再从该行开始加载数据。

步骤1：定位目标起始行索引 #

先逐行读取文件，找到包含'ID'的那一行的位置，这一步不会触发解析错误，因为只是按文本行读取：

# 读取所有行并定位表头行
with open('abc.csv', 'r') as file:
    all_lines = file.readlines()

start_row = None
for idx, line in enumerate(all_lines):
    # 检查该行是否包含目标表头标识'ID'
    if 'ID' in line.strip().split():
        start_row = idx
        break

步骤2：从目标行开始加载DataFrame #

找到起始行后，用pandas.read_csv跳过前面的行，同时指定正确的分隔符（根据你的示例数据是多空格分隔，所以用sep='\s+'）：

import pandas as pd

if start_row is not None:
    # skiprows跳过前面的无关行，header=0表示将起始行作为表头
    df = pd.read_csv(
        'abc.csv',
        skiprows=start_row,
        header=0,
        sep='\s+'  # 如果你的实际CSV是逗号分隔，可删除此参数用默认值
    )
    print(df)
else:
    print("未找到包含'ID'的表头行")

为什么你的原代码无法运行？ #

你直接用pd.read_csv('abc.csv')时，pandas会默认用第一行的列数来解析后续所有行，而前面的无关行列数和目标数据列数不一致，直接触发ParserError，根本无法生成DataFrame，后续的循环自然无法执行。

额外说明 #

• 如果你的CSV是逗号分隔而非空格，只需删除sep='\s+'参数，pandas默认会处理逗号分隔。
• 如果'ID'可能出现在其他无关行中，可以优化判断逻辑（比如检查该行是否包含所有预期表头字段，如'FN'、'LN'等），避免误判。

内容的提问来源于stack exchange，提问作者Nisarg Patel