pd.read_csv()默认将首行作为列名，需设header=None禁用；若CSV有真实列名则勿用该参数；skiprows与header组合使用时需注意行索引逻辑；处理带注释或BOM的文件需额外指定encoding或手动跳过。
pd.read_csv() 默认把首行当列名，怎么关掉
这是最常见的情况：你用 pd.read_csv() 读一个没表头的 csv，结果第一行数据被当成列名，后面全错位。根本原因在于 header 参数默认是 0，也就是自动取第 0 行（首行）作列名。
解决方法很简单，显式指定 header=None：
import pandas as pd
df = pd.read_csv("data.csv", header=None)这样 pandas 就不会解析首行，而是自动生成数字列名 0, 1, 2...，所有行都当数据处理。
- 如果 CSV 实际有列名，但你误用了
header=None，那列名会变成0, 1, 2...，后续df["col_name"]会报KeyError -
header=None和names可以一起用，比如手动指定列名：names=["id", "name", "score"] - 别用
skiprows=1替代 —— 它跳过第一行，但依然默认把新首行当列名，容易二次出错
read_csv() 读错行数？检查 skiprows 和 header 的组合
skiprows 和 header 同时出现时，行为容易混淆。比如你想跳过前两行说明文字，第三行才是真实列名，就得小心设置：
-
skiprows=2表示跳过索引为 0、1 的两行（即前两行） - 跳完之后，剩下的“新首行”（原第 2 行）默认成为列名 → 所以要配
header=0（默认值，可省略） - 如果写了
header=2，它是在原始文件里找第 2 行作列名，但前面又跳了 2 行，就彻底错位了
正确写法：
df = pd.read_csv("report.csv", skiprows=2, header=0)等价于：
df = pd.read_csv("report.csv", skiprows=2) # header=0 是默认值用 csv 模块手动控制首行处理更灵活
当 pandas 太重、或你需要逐行判断是否跳过（比如首行是注释 # version: 1.2），csv 模块更可控：
import csv
with open("log.csv") as f:
reader = csv.reader(f)
next(reader) # 手动跳过第一行
for row in reader:
print(row)-
next(reader)简单直接，不依赖任何约定 - 适合流式读取大文件，内存友好
- 注意：
csv.reader不自动类型转换，所有字段都是字符串；需要自己转int(row[0])这类 - 如果首行是带
#的注释，可以用itertools.dropwhile或循环判断if not line.strip().startswith("#")
Excel 或其他格式也出现类似问题？别只盯 CSV
用 pd.read_excel() 时同样有 header 参数，默认也是 0。如果你导出的 Excel 第一行是标题说明（不是列名），也会错位。
- 统一思路：查文档确认该函数的
header默认值，再决定设成None、0还是其他整数 -
pd.read_json()没有header，但如果是 records 格式且含冗余字段，得靠orient和预处理过滤 - 数据库导出的 CSV 常带 BOM 头，可能让第一列名看起来像
"id"（带不可见字符），此时要加encoding="utf-8-sig"
真正麻烦的不是“怎么跳过”，而是跳过之后列名和数据类型是否对齐——尤其是混合类型列（比如一列里有时是数字有时是空字符串），pandas 推断后可能全转成 object，后续计算容易静默失败。
