pandas使用read_csv时skiprows参数失效输出NaN值无法读取指定行

架构老林

2026-9-23

问题根因

你出现NaN的核心原因有两个：

调用pd.DataFrame(data, columns=['Name', 'Bid', 'Ask'])重新构造DataFrame时，如果read_csv读取到的列名和你手动指定的列名不完全匹配，或者读取到的行没有对应列的值，就会生成空值填充为NaN
skiprows参数设置不合理，没有精准过滤到你需要的目标行，导致读取了很多无用的空行/不匹配行

解决方案

pandas的skiprows参数支持传入自定义过滤规则，你可以直接指定仅保留需要的行，同时读文件时直接指定需要的列，不需要二次构造DataFrame：

调整后代码

import pandas as pd

# 行号计数说明：read_csv默认把CSV文件第一行记为x=0，第二行x=1，以此类推
# 下面的lambda规则表示：保留表头行（x=0），仅保留目标数据行
data = pd.read_csv(
    'C:\\Users\\Michael\\Desktop\\Tradition_Basis_RFR_2021_12_05_15_00_00.csv',
    header=0,
    usecols=['Name', 'Bid', 'Ask'], # 只读需要的三列，避免多余数据
    skiprows=lambda x: x != 0 and x not in [14,15,16,17,18,20,21,22,23] # 按你需要的行对应调整列表里的数值即可
)
data['Mid_value'] = data['Bid']/2 + data['Ask']/2
print(data)

可选写法（手动生成跳过行列表）

如果不习惯用lambda表达式，也可以手动生成要跳过的行号列表：

import pandas as pd

# 跳过1-14行（对应CSV行号2到14）、第20行（对应CSV行号21）、25行及以后的所有行
skip_rows = list(range(1,14)) + [19] + list(range(24, 1000)) # 1000设为大于你CSV总行数的数值即可
data = pd.read_csv(
    'C:\\Users\\Michael\\Desktop\\Tradition_Basis_RFR_2021_12_05_15_00_00.csv',
    header=0,
    usecols=['Name', 'Bid', 'Ask'],
    skiprows=skip_rows
)
data['Mid_value'] = data['Bid']/2 + data['Ask']/2
print(data)