当读取含多行头部的文本文件时，若直接使用 header=18 会导致解析错位；应改用 skiprows=18 跳过头部，并通过 names 参数显式指定列名，从而避免索引异常与字段数不匹配错误。
当读取含多行头部的文本文件时，若直接使用 header=18 会导致解析错位；应改用 skiprows=18 跳过头部，并通过 names 参数显式指定列名，从而避免索引异常与字段数不匹配错误。
在处理日志类或自定义格式的 CSV 文件时，常见一种结构：前 N 行为元信息（如版本、配置、说明等），第 N+1 行才是真正的数据首行——且该行本身不包含列名。此时若错误地使用 header=18，Pandas 会将第 19 行（即 line 19）误判为列名行，并尝试用它推断列数和类型，导致后续解析中字段数量不一致（如报错 Expected 1 fields in line 19, saw 3），甚至引发索引显示异常（如 .loc[[0]] 总返回“无索引标识”的首行）。
根本原因在于：header=n 的语义是「将第 n 行作为列名」，而非「跳过前 n 行」；而 skiprows=n 才真正跳过前 n 行，让 Pandas 从第 n+1 行开始读取数据。若该行不含列名，则必须配合 names= 显式提供列名，否则 Pandas 会默认将第一行数据当作列名，造成数据偏移与索引混乱。
✅ 正确做法如下：
QuickBooks Mileage CSV
下载
使用 qbo-mileage CLI 及用户凭证，从 Airtable、Outlook 或 Google Calendar 记录生成 QuickBooks Online 里程 CSV 文件。
import pandas as pd
# 假设已知数据有三列，且列名需手动指定
column_names = ['timestamp', 'level', 'message']
df = pd.read_csv('my_log', skiprows=18, names=column_names)⚠️ 注意事项：
-
skiprows=18表示跳过前 18 行（行号 0–17），数据从第 19 行（索引为 0 的第一行数据）开始读取； -
names参数必须提供完整、顺序正确的列名列表，长度需与实际字段数严格一致； - 若不确定列数，可先用
pd.read_csv('my_log', skiprows=18, nrows=1, header=None)预览首行字段，再确定names； - 避免混用
header和names：二者互斥，同时指定将引发警告或未定义行为； - 对于 Windows 换行符（CRLF）问题，Pandas 默认兼容，无需额外处理；但若文件含嵌入逗号或引号，建议补充
sep,quotechar,escapechar等参数。
执行后，df 将拥有规范的整数索引（0, 1, 2, …），df.loc[0] 准确返回第一行数据，print(df) 输出带索引的整洁表格，彻底解决“首行无索引显示”和“行数少计”问题。
