使用pandas读取CSV文件时如何正确跳过开头非数据行并处理列数不匹配问题

我来帮你搞定这个CSV读取的问题~ 你遇到的核心问题是skiprows参数用错了，导致前面的列定义行和空行没被完全跳过，进而引发列数不匹配的错误。

先理清楚你的文件结构：

• 前20行是两列格式的列定义
• 21-23行是空行
• 真正的18列数据从第24行开始（对应Python的0基索引是23）

你之前写的skiprows=[23]只会单独跳过第24行，但前面的23行（0到22索引）还会被pandas读取，这些行只有2列，和后面数据的18列格式冲突，自然会报错或者读取结果异常。

正确的解决方法 #

你需要跳过所有前23行（也就是原文件的1-23行），让pandas直接从第24行开始读取数据。具体代码如下：

import pandas as pd

# 跳过前23行（0到22索引），数据从第24行开始
# 如果数据的第一行（原文件第24行）是表头，用header=0；如果没有表头，用header=None并自行指定列名
data = pd.read_csv(fileURL, skiprows=range(23), header=0)

如果数据行里偶尔还有格式错误的行，可以加上on_bad_lines='skip'来跳过异常行，但前提是已经跳过了前面的非数据行，这样就不会把列定义当成错误行处理了：

data = pd.read_csv(fileURL, skiprows=range(23), header=0, on_bad_lines='skip')

补充说明 #

• skiprows=range(23)等价于跳过索引0到22的所有行，正好对应原文件的前23行（列定义+空行）
• 如果你的数据没有表头，记得把header=0改成header=None，然后可以用names参数给数据指定自定义列名，比如：

  col_names = [f'col_{i}' for i in range(18)]  # 假设数据有18列
  data = pd.read_csv(fileURL, skiprows=range(23), header=None, names=col_names)
  

这样应该就能正确读取到那20k行数据了~

备注：内容来源于stack exchange，提问作者Seamus