答案：Python读取CSV文件主要有三种方法：1. 使用csv模块适合简单结构，可读取为列表或字典；2. pandas的read_csv最常用，支持DataFrame操作、类型推断和大文件分块；3. numpy适用于纯数值数据，用loadtxt或genfromtxt快速加载数组。

Python读取CSV文件有多种方式，每种适合不同场景。最常用的包括使用内置的csv模块、pandas库，以及用numpy处理数值型数据。下面介绍几种主要方法及其适用情况。

1. 使用 csv 模块读取（基础方式）

csv模块是Python标准库的一部分，适合处理结构简单、不需要复杂分析的CSV文件。

常见用法：

• 读取为列表：每一行是一个列表，按列顺序访问数据
• 读取为字典：使用csv.DictReader，列名作为键，更易读

示例代码：

import csv
读取为列表
with open('data.csv', 'r', encoding='utf-8') as file:
reader = csv.reader(file)
for row in reader:
print(row)  # 每行是列表
读取为字典
with open('data.csv', 'r', encoding='utf-8') as file:
reader = csv.DictReader(file)
for row in reader:
print(row['name'], row['age'])  # 按列名访问

2. 使用 pandas 读取（推荐用于数据分析）

pandas是最常用的数据分析库，pd.read_csv()功能强大，支持自动类型推断、缺失值处理、指定列、跳行等。

优点：

• 一行代码加载成DataFrame，便于后续处理
• 支持压缩文件、URL路径、大文件分块读取
• 可指定编码、分隔符、索引列等参数

示例：

import pandas as pd
基本读取
df = pd.read_csv('data.csv')
指定参数
df = pd.read_csv('data.csv', encoding='gbk', sep=';', index_col='id')
只读前100行（适合大文件）
df = pd.read_csv('large.csv', nrows=100)
分块读取
chunk_reader = pd.read_csv('huge.csv', chunksize=1000)
for chunk in chunk_reader:
process(chunk)  # 逐块处理

3. 使用 numpy 读取（适用于纯数值数据）

如果CSV只包含数字，可以用numpy.loadtxt()或genfromtxt()快速加载为数组。

注意：

• 数据必须规整，不能有缺失或混合类型
• genfromtxt()支持处理缺失值

示例：

import numpy as np
简单读取（全为数字）
data = np.loadtxt('numbers.csv', delimiter=',')
支持缺失值
data = np.genfromtxt('data.csv', delimiter=',', skip_header=1)

4. 其他情况处理技巧

实际使用中常遇到编码、分隔符、中文列名等问题，这里列出常见应对方式：

• 乱码问题：尝试encoding='utf-8'、'gbk'或'latin1'
• 分隔符不是逗号：如制表符\t，用sep='\t'或delimiter='\t'
• 无标题行：设置header=None或names=['col1','col2']
• 跳过某些行：使用skiprows参数

基本上就这些常用方式。小文件或学习阶段可用csv模块，做数据分析首选pandas，纯数值计算考虑numpy。根据数据特点选择合适方法，效率更高。