应使用 os.path.join() 或 pathlib.Path 替代硬编码斜杠，以实现跨平台路径兼容：前者自动适配系统分隔符并处理边界情况，后者更简洁可靠且支持链式操作；避免原始字符串和手动拼接。
用 os.path.join() 替代硬编码斜杠
Windows 用反斜杠 ，macOS/Linux 用正斜杠 /，直接拼接字符串（比如 "data/file.csv" 或 "data ile.csv"）在跨平台时会出错，尤其当路径来自用户输入或配置文件时。os.path.join() 会自动适配当前系统分隔符，且能处理空段、冗余分隔符等边界情况。
常见错误现象：FileNotFoundError 在 Windows 上跑通，Linux/macOS 报错；或路径中出现 \ 或 // 导致解析失败。
- ✅ 正确写法：
os.path.join("data", "raw", "sales.csv")→ Windows 得data awsales.csv，Linux 得data/raw/sales.csv - ❌ 错误写法：
"data/raw/sales.csv"（Linux 可用，Windows 可能报错或被当作 URL 解析） - ⚠️ 注意：
os.path.join()不做路径存在性检查，也不会自动创建目录，读取前仍需确保父目录存在
读取 CSV 时用 pathlib.Path 更简洁可靠
pathlib 是 Python 3.4+ 官方推荐的路径操作模块，比 os.path 更面向对象、可读性更强，且天然支持跨平台。Pandas 的 read_csv()、to_csv() 等函数完全接受 Path 对象，无需转成字符串。
使用场景：项目结构较深、路径由多个变量组合、需要链式操作（如追加后缀、遍历子目录）时，pathlib 明显更稳。
立即学习“Python免费学习笔记（深入）”；
- ✅ 示例：
from pathlib import Path<br>data_dir = Path("data") / "processed"<br>df = pd.read_csv(data_dir / "report.csv") - ✅ 支持运算符重载：
/拼接、.stem/.suffix提取文件名、.exists()判断存在性 - ⚠️ 注意：
Path对象传给 Pandas 是安全的，但某些旧版第三方库（如早期openpyxl）可能只认字符串，此时调用str(my_path)
避免 pd.read_csv(r"... ile.csv") 中的原始字符串陷阱
Windows 用户常写 r"C:datainput.csv" 来规避反斜杠转义，但这只是“绕过语法错误”，不是跨平台解法。一旦该代码移到 Linux 运行，r"C:datainput.csv" 会被当作字面量路径，而 C:data 在 Linux 根本不存在，FileNotFoundError 照样发生。
更隐蔽的问题是：路径中若含变量（如 r"C:data{year}
eport.csv".format(year=2023)），原始字符串 + 字符串格式化极易引发转义混乱，且无法动态适配目标系统。
- ✅ 统一用
Path或os.path.join()构建路径，不依赖原始字符串 - ❌ 不要混合使用：
r"C:data" + os.path.sep + "report.csv"—— 多余且易错 - ⚠️ 特别注意配置文件（如 YAML/JSON）里的路径字段：应统一用正斜杠（
/），Python 加载后用Path(config_path).resolve()转为绝对路径，避免平台差异
测试阶段必须在真实目标系统上验证路径逻辑
本地开发用 Windows，CI/CD 跑在 Linux Docker 容器里？仅靠模拟或条件判断（如 if os.name == "nt"）不能覆盖所有路径行为。比如 Path("a/b/c").resolve() 在不同系统下对相对路径的解析起点（当前工作目录）可能因启动方式不同而变化。
容易被忽略的点：Pandas 本身不处理路径兼容性，它只负责把传入的字符串或 Path 对象交给底层 Python I/O 层。真正出问题的环节往往在路径构造、配置加载、工作目录切换这些前置步骤。
- ✅ CI 中增加跨平台测试：至少在 Ubuntu 和 Windows Server runner 上运行一次数据加载流程
- ✅ 打印调试路径：
print(f"Loading from: {full_path!r}")，确认输出符合预期（如无双反斜杠、无空段） - ⚠️ 工作目录（
os.getcwd()）不是固定值，尤其在 pytest 或 Jupyter 中启动脚本时，务必用Path(__file__).parent或Path.cwd()显式锚定基准
