为何Pandas DataFrame长度大于CSV文件行数？

问题背景 #

我从Kaggle下载了TripAdvisor 2023年评论数据集，本地保存的CSV文件显示有147577行，但用Pandas读取后生成的DataFrame长度为147581。读取代码如下：

import pandas as pd

df = pd.read_csv(r"C:\Users\marcel\Documents\New_Delhi_reviews.csv")

print(len(df))

输出结果为147581，想知道造成该差异的原因及是否存在理解误区。

可能的原因 #

• 统计逻辑差异：你看到的CSV行数是文本层面按换行符的计数，而len(df)统计的是解析后的数据记录数。如果CSV里存在未用引号包裹的多行内容（比如评论里的换行），Pandas会把这些换行误判为新的数据行，导致DataFrame行数变多。
• 空行处理差异：部分工具统计CSV行数时会忽略末尾空行或格式无效的行，但Pandas默认会读取这些行（只要符合CSV基础格式），计入DataFrame的行数统计。
• 文件异常问题：下载过程中文件若损坏，或者编码不匹配，可能导致Pandas解析时出现偏差，误将部分内容识别为新的数据行。

理解误区说明 #

你可能默认CSV的文本行数和DataFrame的数据记录数完全等价，但两者统计逻辑不同：CSV的“行”是文本换行分隔的单元，而DataFrame的“行”是经过解析后的结构化数据记录。当存在多行字段、空行或解析异常时，两者计数就会出现偏差。

内容的提问来源于stack exchange，提问作者Marcel