为何pd.read_csv()无法导入CSV文件，np.genfromtxt()却可以？

两者核心差异集中在编码处理、解析逻辑和容错机制上，具体如下：

• 编码处理逻辑本质不同
  pd.read_csv()默认会将文件内容解码为字符串对象，它会自动采用系统默认编码（Windows多为cp1252，Linux/macOS多为utf-8）尝试解码。如果你的Loan-data.csv采用了非默认编码（比如latin1、gbk），文件中存在对应编码外的字符时，就会直接抛出UnicodeDecodeError。
  而np.genfromtxt()默认以字节流形式读取数据，不会主动解码为字符串——它更偏向数值数据读取，文本内容会被当作字节串保留，或者在未指定dtype时自动推断类型，因此不会触发解码错误。

• 文本解析的容错性不同
  pandas对CSV的解析更注重文本数据的规范性，默认没有开启编码容错，遇到无法解码的字符直接终止并报错。numpy的genfromtxt则设计了更高的容错机制，遇到不符合预期的字符时，会尝试跳过、用默认值（如nan）填充，而非直接中断程序。

• 额外参数的隐性影响
  你使用np.genfromtxt时指定了delimiter=';'，而pd.read_csv()默认分隔符是逗号（,）——不过你提到其他CSV能正常读取，说明分隔符不是本次解码错误的核心原因，但如果你的目标文件确实用分号分隔，后续测试pd.read_csv时建议加上delimiter=';'参数，避免解析格式问题干扰编码排查。

验证与解决建议 #

你可以尝试给pd.read_csv()指定编码参数来匹配文件实际编码，比如：

pd.read_csv('Loan-data.csv', delimiter=';', encoding='latin1')

或者用chardet库检测文件的真实编码，再对应设置encoding参数，就能解决解码报错问题。

内容的提问来源于stack exchange，提问作者G-Kolly