在Kaggle与Colab中读取数据集得到不同shape的问题排查

• 数据集下载不完整：Colab中下载的2019-Dec.csv可能因网络中断、存储空间不足或下载命令错误，只获取了部分数据。可以对比Colab中文件大小与Kaggle原始文件大小（原始文件约1.1GB），若差距明显，重新完整下载。

• 读取参数设置错误：

  • 读取时可能误加了nrows参数限制行数，比如执行了pd.read_csv('2019-Dec.csv', nrows=71188)，导致仅加载前71188行。
  • 若设置了on_bad_lines='skip'（或旧版的error_bad_lines=False），当文件存在格式错误时会跳过大量行，这种情况通常会有警告信息，可检查运行日志。

• 文件混淆：确认Colab中读取的确实是2019-Dec.csv，该数据集包含多个月份的文件，可能误加载了其他体积较小的文件，导致行数差异。

• 解压步骤遗漏：使用Kaggle API在Colab下载数据集时，若下载的是压缩包，需执行解压命令（如unzip 2019-Dec.zip），否则读取的是未解压的损坏文件，会导致行数异常。

内容的提问来源于stack exchange，提问作者KSp