如何使用Pandas的read_csv保留CSV文件开头的注释行？

嘿，这个问题我之前也遇到过——Pandas的read_csv对规整的表格数据很友好，但遇到这种开头有非标准列宽注释行的情况，直接读确实头疼。别担心，咱们可以把注释和数据分开处理，既保留元数据又能正确加载表格，下面给你两种实用的方法：

方法一：手动拆分注释与数据行 #

这是最直接的方式，先读取前两行注释保存，再用剩下的内容加载DataFrame：

import pandas as pd

# 打开文件，拆分注释和数据部分
with open('your_file.csv', 'r') as f:
    # 读取前两行注释（根据你的需求调整行数）
    comment_line1 = f.readline().strip()
    comment_line2 = f.readline().strip()
    # 读取剩余内容作为表格数据
    df = pd.read_csv(f)

# 把注释绑定到DataFrame的属性中，方便后续访问
df.attrs['comments'] = [comment_line1, comment_line2]

# 验证结果
print("保留的注释内容：")
print('\n'.join(df.attrs['comments']))
print("\n加载的表格数据：")
print(df.head())

这种方法的好处是完全可控，不管注释行是什么格式，都能精准提取。而且用df.attrs把注释和DataFrame绑定在一起，不会和数据内容混淆，后续需要调用元数据也很方便。

方法二：用itertools简化注释读取 #

如果需要提取的注释行数较多，用itertools.islice会更简洁：

import pandas as pd
from itertools import islice

with open('your_file.csv', 'r') as f:
    # 提取前2行作为注释（第二个参数是要读取的行数）
    comments = [line.strip() for line in islice(f, 2)]
    # 读取剩余行生成DataFrame
    df = pd.read_csv(f)

# 同样把注释存到DataFrame属性里
df.attrs['metadata_comments'] = comments

进阶：解析注释为结构化元数据 #

如果注释行是键值对格式（比如"生成日期: 2024-05-20"、"数据版本: 1.2"），可以把它们解析成字典，更便于后续使用：

comment_dict = {}
for line in df.attrs['comments']:
    # 按分隔符拆分键和值（这里假设分隔符是": "）
    key, value = line.split(': ', 1)
    comment_dict[key.strip()] = value.strip()

df.attrs['structured_metadata'] = comment_dict

# 访问结构化元数据
print("生成日期：", df.attrs['structured_metadata']['生成日期'])

关键思路总结 #

Pandas的read_csv默认要求输入的是规整的表格数据，开头列宽不匹配的注释行直接读取会报错或导致数据混乱。所以核心解决思路就是先分离注释行和数据行：先读取并保存注释，再用剩余内容加载标准的DataFrame，这样既不会丢失元数据，又能保证数据加载的正确性。

内容的提问来源于stack exchange，提问作者Coolio2654