读取CSV文件遇DtypeWarning，指定列被移除的问题求助

我来帮你搞定这个头疼的问题！你遇到的DtypeWarning是因为Pandas自动推断列类型时，发现15、16、18、24列里同时存在不同数据类型（比如字符串和数字混在一起），而列被移除大概率是因为列名列表columns和CSV实际的列数不匹配，或者读取时的参数设置出了问题。下面给你几个针对性的解决方案：

• 第一步：先排查列名和CSV列数是否匹配
  很多时候列丢失是因为你定义的columns列表长度和CSV实际的列数不一致。比如CSV有25列，但columns只定义了21列，后面的列就会被直接丢弃。你可以先不指定names参数，读取前几行看看实际列数：

  temp_df = pd.read_csv('inventory-new.csv', sep=";", nrows=5)
  print("实际列数：", temp_df.shape[1])
  print("你定义的columns长度：", len(columns))
  

  如果长度不匹配，赶紧调整columns列表，确保每一列都有对应的列名。

• 第二步：精确指定问题列的类型+关闭分块推断
  全局设置dtype=object有时候可能因为Pandas的分块读取机制（默认low_memory=True）导致不生效，你可以单独指定这几个问题列的类型，同时关闭分块推断：

  # 只给有问题的列指定object类型，其他列正常推断
  dtype_map = {15: object, 16: object, 18: object, 24: object}
  inventory = pd.read_csv(
      'inventory-new.csv',
      sep=";",
      names=columns,
      dtype=dtype_map,
      low_memory=False
  )
  

  low_memory=False会让Pandas一次性读取整个文件来推断类型，避免分块读取时出现的类型冲突警告。

• 第三步：用converters灵活处理混合类型
  如果上面的方法还是不行，试试用converters参数给问题列自定义转换逻辑，这样既能保留所有数据，又能处理混合类型：

  def handle_mixed_types(value):
      # 尝试转成数字，失败就保留原始字符串
      try:
          return pd.to_numeric(value)
      except ValueError:
          return str(value)
  
  # 指定需要处理的列
  converter_map = {
      15: handle_mixed_types,
      16: handle_mixed_types,
      18: handle_mixed_types,
      24: handle_mixed_types
  }
  
  inventory = pd.read_csv(
      'inventory-new.csv',
      sep=";",
      names=columns,
      converters=converter_map,
      low_memory=False
  )
  

• 第四步：检查CSV文件格式
  有时候列丢失可能是因为CSV里某些行的分隔符（分号）数量不一致，导致列错位。你可以用文本编辑器打开CSV文件，看看第15、16、18、24列所在的行是否有格式异常，比如多余的分号或者缺失的字段。

按照这个步骤排查下来，应该能解决你的问题！

内容的提问来源于stack exchange，提问作者Raj Kumar