pd.read_csv() 能运行不代表数据正确加载，常见问题包括路径错误、编码不匹配（如Excel导出的GBK需指定encoding="gbk"）、分隔符误设（可用sep=None自动推断），以及目录结构理解偏差。
pd.read_csv() 能跑通，不代表数据真被正确读进来了——很多坑藏在路径、编码、分隔符和隐式格式里。
为什么 pd.read_csv("data.csv") 报错或读错？
最常见原因不是代码写错，而是文件根本没放在 Jupyter 当前工作目录下。Jupyter 只能访问启动时所在目录及其子目录里的文件，不会自动扫描你电脑任意位置。
- 用
!pwd（Linux/macOS）或!cd（Windows）在 notebook 里查当前路径，确认你的 CSV 确实在这个目录里 - 上传文件后，必须刷新浏览器页面才能在文件列表里看到它；不刷新就直接运行
read_csv，大概率报FileNotFoundError - 中文路径或文件名含空格、括号时，Python 容易解析失败，建议全用英文+下划线命名
读取时乱码或列错位，怎么调 encoding 和 sep？
Excel 导出的 CSV 经常是 GBK 编码，而 pandas 默认用 UTF-8，一读就崩；另外有些数据用分号 ; 或制表符 \t 分隔，但你硬用逗号，列就全挤歪了。
- 先试
pd.read_csv("data.csv", encoding="gbk")，尤其 Windows 上 Excel 直接另存为 CSV 时默认就是 GBK - 不确定分隔符？加
sep=None让 pandas 自动推断：pd.read_csv("data.csv", sep=None, engine="python") - 如果第一行被误当成列名，加
header=None；如果想跳过前几行垃圾注释，用skiprows=2
怎么从子目录或上级目录读文件？
路径写错是高频问题。相对路径要以 notebook 所在目录为起点，不是以你心里“觉得应该在”的位置为起点。
- 文件在
./data/raw/abc.csv→ 用pd.read_csv("data/raw/abc.csv") - 文件在上一级目录的
../config/settings.json→ 用pd.read_json("../config/settings.json") - 绝对路径虽可用，但会破坏 notebook 可移植性，不推荐；真要用，Windows 写成
r"C:\path\to\file.csv"，注意加r前缀防转义
导入 Excel、JSON、TXT 等非 CSV 格式要注意什么？
pd.read_excel() 需要 openpyxl 或 xlrd 支持；pd.read_json() 对 JSON 结构敏感；纯文本 open() 更可控。
- 读 Excel：先
!pip install openpyxl，再pd.read_excel("data.xlsx", sheet_name="Sheet1")；sheet_name=0表示第一个 sheet - 读 JSON：若报
ValueError: Expected object or value，说明不是标准 JSON 行格式，试试lines=True参数 - 读纯文本（如日志）：用
with open("log.txt", encoding="utf-8") as f: lines = f.readlines()，比 pandas 更稳妥
read_csv 就会静默出错——数据显示看着像，但索引错、类型错、字段截断，后续分析全偏。别依赖“能跑就行”，多打一行 df.shape 和 df.head().T 看真实结构。 
