如何用pd.read_csv同时启用header、parse_dates并保留首行单位且不重复读取CSV？

当然可以做到，不用重复读取整个CSV文件，只需要先单独读取第一行的单位信息，再正常读取数据并解析日期即可，具体实现如下：

步骤说明 #

• 先通过普通文件操作读取CSV的第一行（单位行），仅加载一行数据，不会额外消耗资源
• 再使用pd.read_csv读取完整数据，指定header=1用第二行作为表头，同时通过parse_dates参数解析日期列
• 将单位信息与对应列名关联，可存储为字典或存入DataFrame的元数据中，方便后续调用

完整代码示例 #

import pandas as pd

# 生成测试CSV（与示例结构一致，添加index=False避免多余索引列）
data_dict = {
    "-": ["A", "2022-01-27 12:15:32.005", "2022-01-27 12:15:33.005", "2022-01-27 12:15:34.005"],
    "s": ["B", 3, 2, 1],
    "W": ["C", 2, 3, 1]
}
pd.DataFrame(data_dict).to_csv("test.csv", index=False)

# 读取第一行的单位信息
with open("test.csv", "r", encoding="utf-8") as f:
    unit_list = f.readline().strip().split(",")

# 读取数据并解析日期列
df = pd.read_csv("test.csv", header=1, parse_dates=["A"])

# 将单位与列名绑定，存入DataFrame元数据
unit_dict = dict(zip(df.columns, unit_list))
df.attrs["column_units"] = unit_dict

# 验证结果
print("处理后的数据：")
print(df)
print("\n各列对应的单位：")
print(df.attrs["column_units"])

补充说明 #

• 如果你的实际CSV包含索引列，去掉生成CSV时的index=False参数即可，读取单位后依然可以通过zip(df.columns, unit_list)完成对应
• 把单位存入df.attrs是pandas官方推荐的元数据存储方式，不会干扰数据本身的结构和操作，后续需要单位信息时直接调用df.attrs["column_units"]即可

内容的提问来源于stack exchange，提问作者Fabian Pascher