推荐用 tf.data.experimental.make_csv_dataset 直接加载 CSV：自动跳过 header、支持并行读取，但需显式指定 column_defaults 防类型推断错误；label_name 可分离标签；缺失值和复杂字段需 map 或 Pandas 预处理；shuffle 必须在 batch 前以保障分布均匀。
用 tf.data.experimental.make_csv_dataset 直接加载 CSV 到 tf.data.Dataset
这是最轻量、最推荐的起点——不依赖 Pandas，不手动读文件，TensorFlow 原生支持流式解析。它自动跳过 header（默认开启）、推断类型（但常不准）、支持分片和并行读取。
常见错误是字段类型推断失败导致后续模型报错：InvalidArgumentError: input must be a vector，本质是某列被误判为字符串但模型期望 float32。
- 显式传入
column_defaults：比如[tf.float32, tf.int32, tf.string]，顺序必须严格匹配 CSV 列序 - 若首行是 header，设
header=True；否则设header=False并用column_names手动指定 - 避免把 label 列混在特征里：用
label_name="target"参数直接分离，返回(features_dict, label)二元组 - 大文件时加
num_parallel_reads=4和prefetch_buffer_size=tf.data.AUTOTUNE防 I/O 瓶颈
处理缺失值和类型转换不能靠 make_csv_dataset 自动完成
make_csv_dataset 遇到空单元格会填入默认值（如 0 或空字符串），但多数场景需要更精细控制：比如用均值填充数值列、用众数填类别列，或把字符串标签转成整数 ID。
此时必须链式调用 map()，且注意：map 内部不能用 NumPy 或 Pandas 操作，所有转换需用 tf.* 函数。
立即学习“Python免费学习笔记（深入）”；
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
- 数值列缺失：用
tf.where(tf.math.is_nan(x), tf.reduce_mean(x), x)——但注意reduce_mean要求张量非空，建议先用tf.boolean_mask过滤掉 NaN 再算均值 - 字符串标签编码：用
tf.lookup.StaticVocabularyTable构建查表，配合tf.py_function做首次统计（仅限初始化阶段） - 别在
map里写print()或logging.info()：会被静默丢弃；调试用tf.print()
当 CSV 包含时间戳、嵌套 JSON 字符串等复杂字段时，make_csv_dataset 失效
CSV 本质是扁平文本，遇到 "{""user"":{""id"":123}}" 这种字段，make_csv_dataset 只能当普通字符串读进来，无法自动解析结构。强行用 tf.strings.split 或正则硬拆，代码脆弱且无类型保障。
这时该切回 Pandas 预处理，再转成 tf.data.Dataset，而非硬扛。
- 用
pandas.read_csv(..., converters={"json_col": json.loads})提前解析复杂列 - 对解析后的 DataFrame，用
tf.data.Dataset.from_tensor_slices(dict(df))转换——注意：字符串列会自动变成tf.string，数值列保持tf.float64，可能需tf.cast显式转tf.float32 - 如果内存吃紧，改用
chunksize分块读取 +tf.data.Dataset.list_files+interleave模拟流式
训练时 shuffle 和 batch 的顺序影响数据分布一致性
很多人把 shuffle(buffer_size) 放在 batch() 后面，结果每个 batch 内部是乱序的，但 batch 之间仍有原始文件顺序痕迹（尤其当 CSV 按 label 排序时），导致前几个 epoch 模型只看到某类样本。
正确顺序是：解析 → shuffle → map（预处理）→ batch → prefetch。
-
buffer_size不必等于总行数，设为10000～100000即可平衡随机性与内存占用 - 若 CSV 已按 label 分块存储（如先 1000 行 class A，再 1000 行 class B），单靠
shuffle不够，得先用interleave并行读多个文件，或预处理时打散行序 - 验证/测试集通常禁用
shuffle，但注意make_csv_dataset默认不 shuffle，无需额外关
真正麻烦的是混合数据源（如 CSV 特征 + TFRecord 图像）或在线增强，那就要自定义 tf.data.Dataset 构造逻辑，而不是依赖 CSV 封装函数。
