从指定CSV文件提取数据，将sku作为键生成对应成本价的字典

先看看你提供的CSV内容：

sku,cost price
aba,8.32
abb,11.12
abc,34.34
abd,7.54
abe,3.54
abf,9.31
abg,8.22

下面给你三种实用的实现方法，按需选择就行：

方法1：用Python内置csv模块（无需额外安装库） #

这是最基础的方案，不用装任何第三方包，兼容性拉满：

import csv

# 初始化空字典
sku_cost_map = {}

# 打开CSV文件读取内容
with open('你的文件名.csv', mode='r', encoding='utf-8') as csv_file:
    # 用DictReader自动识别表头
    csv_reader = csv.DictReader(csv_file)
    # 遍历每一行，把sku作为键，成本价作为值存入字典
    for row in csv_reader:
        sku_cost_map[row['sku']] = row['cost price']

# 打印结果验证
print(sku_cost_map)

运行后就能得到你要的{'aba': '8.32', 'abb': '11.12', ...}格式的字典。

方法2：用字典推导式简化代码 #

如果你喜欢更紧凑的写法，可以用这个，核心逻辑一行搞定：

import csv

with open('你的文件名.csv', mode='r', encoding='utf-8') as csv_file:
    next(csv_file)  # 跳过第一行的表头
    # 直接通过推导式生成字典
    sku_cost_map = {row[0]: row[1] for row in csv.reader(csv_file)}

print(sku_cost_map)

这里next(csv_file)用来跳过表头行，csv.reader会把每一行拆成列表，取第一个元素做键、第二个做值。

方法3：用Pandas快速处理（适合大数据场景） #

如果你平时用Pandas做数据分析，这个方法效率更高，代码也更简洁：

import pandas as pd

# 读取CSV到DataFrame
df = pd.read_csv('你的文件名.csv')
# 把sku设为索引，然后把cost price列转成字典
sku_cost_map = df.set_index('sku')['cost price'].to_dict()

print(sku_cost_map)

注意：这个方法需要先安装Pandas，执行pip install pandas就能完成安装。

以上三种方法都能实现你的需求，根据自己的使用场景选就行~

内容的提问来源于stack exchange，提问作者Scott