如何忽略CSV文件中含特定值的行？用Pandas还是原生csv库？

绝对推荐用Pandas重写！它处理这类表格数据的效率和简洁度都远胜原生csv库，能轻松搞定你所有需求——过滤无效行、生成新ID、导出新CSV。当然我也会帮你修正原生库的代码，方便你对比两者差异~

Pandas天生就是为表格数据处理设计的，代码量少逻辑清晰，还不容易出错。这里是完整实现：

import pandas as pd

# 读取原CSV文件
df = pd.read_csv('data_sample.csv')

# 过滤掉age或gender为-1的行（如果原数据里-1是数字就不用加引号，根据实际情况调整）
filtered_df = df[(df['age'] != -1) & (df['gender'] != -1)]

# 生成新ID：用连续行号（从1开始，若要从0开始去掉+1即可）
filtered_df['id'] = filtered_df.reset_index(drop=True).index + 1

# 调整列顺序并保留需要的字段
result_df = filtered_df[['id', 'age', 'gender', 'url']]

# 导出到新CSV，不写入Pandas默认索引
result_df.to_csv('data_test.csv', index=False)

关键细节说明： #

• 用布尔索引过滤行，比原生循环判断高效得多，逻辑也更直观
• reset_index用来生成连续的行号，避免原ID的干扰
• 导出时index=False可以防止把Pandas内部的索引写入CSV文件

如果你坚持要用原生库，这里帮你修复了原代码里的错误（变量名混乱、过滤逻辑失效等问题）：

import csv

def transform_row(row, new_id):
    # 统一变量名，避免原代码里row/line混用的问题
    age = row[2]
    gender = row[3]
    url = row[4]
    return [new_id, age, gender, url]

data = []
current_id = 1

with open('data_sample.csv', 'r') as f:
    reader = csv.reader(f)
    # 跳过原文件的表头（如果原CSV没有表头可以删掉这行）
    next(reader)
    
    for line in reader:
        age_val = line[2]
        gender_val = line[3]
        # 仅保留age和gender都不为'-1'的行（数字类型就改成int(age_val) != -1）
        if age_val != '-1' and gender_val != '-1':
            data.append(transform_row(line, current_id))
            current_id += 1

# 写入新CSV文件
with open('data_test.csv', 'w', newline='') as f:
    writer = csv.writer(f, delimiter=',')
    # 写入新表头
    writer.writerow(['id', 'age', 'gender', 'url'])
    writer.writerows(data)

原代码的核心问题修正： #

• 修复了函数内变量名不匹配的错误（原代码参数是row却用了line）
• 重新实现了正确的过滤逻辑：针对age和gender列单独判断，而非遍历所有值
• 新增了current_id变量，用来生成连续的新ID
• 加入了跳过原表头的逻辑，避免把表头当成数据行处理

• 数据类型校验：如果原CSV里的age和gender是数字类型而非字符串'-1'，记得把判断条件改成int(age_val) != -1，避免类型不匹配导致过滤失效
• 性能考量：如果你的CSV文件很大（几万行以上），Pandas的向量化操作会比原生循环快很多
• 表头验证：处理前可以先打印原表头，确认age和gender所在的列索引是否和你代码里的row[2]、row[3]一致

内容的提问来源于stack exchange，提问作者KKalda