如何使用pandas读取每行交替存储表头与数据的无表头CSV文件？

你不需要手动指定表头，依托文件本身「所有行的键字段完全一致、键值交替排列」的规则，用两步切片就能自动完成表头提取和数据读取，代码比你现在写的更简洁也更灵活：

• 先按无表头模式把整个CSV读入为原始DataFrame：

  raw_df = pd.read_csv(file, header=None)
  

• 直接取第一行的所有偶数列（索引从0开始，即0、2、4...位置）作为正式表头，因为这些列存的就是重复的键名：

  target_cols = raw_df.iloc[0, ::2].tolist()
  

• 取所有行的奇数列（1、3、5...位置）作为实际数据，再把上一步拿到的表头赋值上去，就得到了符合常规格式的最终DataFrame：

  final_df = raw_df.iloc[:, 1::2]
  final_df.columns = target_cols
  

核心优势 #

• 完全不需要预先知道字段名、字段数量，只要文件符合键值交替、键全一致的前提，就能自动识别正确表头
• 切片写法::2比手动写range(1, len(df.columns), 2)更简洁，也规避了你原代码里漏写右括号的语法问题
• 可以加一行校验逻辑，规避文件损坏导致的字段错位：

  # 校验所有行的偶数列内容和第一行完全相同，否则抛出错误
  assert (raw_df.iloc[:, ::2] == raw_df.iloc[0, ::2]).all().all()
  

• 如果文件体量特别大、全量读入内存压力高，可以逐行读取解析：第一行拆分出键名作为表头，后续每一行拆分后只提取值部分存入临时列表，最后再把列表转成DataFrame，避免冗余的重复键字段占额外内存
• 运行完所有逻辑后得到的DataFrame，和常规格式CSV直接用pd.read_csv()读出来的结构、内容完全一致，可以直接开展后续分析。

注：这种键值交替存储的CSV格式并非完全是冗余设计——在动态字段的日志类场景中，不同行的字段可能存在差异，这种格式不需要预先定义固定列就能存储异构数据；你遇到的所有行键完全一致的情况，只是这类格式的一个特例。

内容的提问来源于stack exchange，提问作者tpb261