Pandas读取含引号/逗号的分号分隔CSV及字符替换问题排查

一、正确加载含特殊字符的分号分隔CSV #

你的核心问题是CSV里的未转义双引号干扰了Pandas的列解析，导致整行被识别为单列。直接禁用引号解析功能即可，同时指定Python引擎（C引擎对部分参数支持有限）：

import pandas as pd
import csv

df = pd.read_csv(
    "你的文件路径.csv",
    sep=";",
    dtype=str,  # 确保所有列加载为字符串类型
    quoting=csv.QUOTE_NONE,  # 完全禁用引号解析，双引号当作普通字符
    engine="python"
)

这个参数组合会让Pandas忽略双引号的特殊含义，严格按分号拆分列，不会出现整行归为一列的情况。

二、批量替换双引号为两个双引号 #

用lambda没效果大概率是写法问题，推荐用Series的str.replace方法批量处理，效率更高：

# 对所有字符串列执行替换
df = df.apply(lambda col: col.str.replace('"', '""', regex=False))

regex=False确保只替换普通双引号，不会触发正则解析，避免意外匹配。如果担心非字符串值（虽然你说都是object类型），可以加个类型判断：

df = df.applymap(lambda s: s.replace('"', '""') if isinstance(s, str) else s)

三、解决df.query漏行问题 #

df.query是通过解析字符串表达式实现的，当目标值含双引号时，会打断表达式的语法结构，导致匹配失败。直接用布尔索引替代df.query即可彻底解决：

# 示例：筛选某列等于目标值的行
target = 'TES"T_ING,_VALUE'
subset = df[df["目标列名"] == target]

布尔索引直接比较原始字符串，不受特殊字符影响，不会漏掉任何符合条件的行。如果一定要用df_query，需要手动转义双引号（用单引号包裹目标值）：

subset = df.query('目标列名 == @target')

这里用@引用变量，Pandas会自动处理变量里的特殊字符，避免语法错误。

内容的提问来源于stack exchange，提问作者thomaspane