Python用NumPy读取CSV表头数据

本文深入解析了使用NumPy的`np.genfromtxt`读取带表头CSV文件时常见报错的根本原因——默认不跳过表头且强行将字符串转为数值导致崩溃，并手把手教你用`skip_header=1`安全跳过表头、配合`missing_values`与`filling_values`稳健处理缺失值、通过`encoding`应对中文乱码和GBK编码陷阱；同时厘清了它与pandas的本质差异：`genfromtxt`专注生成高效数值数组而非结构化数据，适合轻量级、纯计算场景，是无pandas环境下的可靠兜底方案。

np.genfromtxt 读带表头 CSV 时为什么第一行数据总出错？

因为 np.genfromtxt 默认不跳过任何行，表头会被当作数据尝试解析，遇到字符串字段就报 ValueError: could not convert string to float。它不像 pandas.read_csv 那样自动识别并丢弃表头——你得明确告诉它“第一行不是数据”。

用 skip_header=1 而不是 skiprows=1 才能安全跳过表头

skip_header 是 np.genfromtxt 专为表头设计的参数，它在解析前先跳过指定行数，并且不影响字段类型推断逻辑；而 skiprows 是更底层的行偏移控制，若配合 dtype=None 使用，可能导致列对齐异常或 dtype 推断错误。

• ✅ 正确写法：np.genfromtxt("data.csv", delimiter=",", skip_header=1, dtype=float)
• ❌ 危险写法：np.genfromtxt("data.csv", delimiter=",", skiprows=1, dtype=None)（若表头后有混合类型，dtype=None 会返回 object 数组，后续数值计算易崩）
• ⚠️ 注意：如果表头含中文或特殊字符，确保文件编码是 UTF-8，否则 genfromtxt 可能卡在解码阶段，抛出 UnicodeDecodeError

当 CSV 有缺失值或空字段时，必须配 max_rows 和 filling_values

np.genfromtxt 对缺失值极其敏感，默认遇到空单元格直接报 ValueError: invalid literal for float()。不能只靠 skip_header 解决问题。

• 用 filling_values=np.nan 填充所有空字段（推荐数值场景）
• 用 missing_values="" 显式声明空字符串为缺失标记（注意：需与实际 CSV 中的空字段形式一致，比如是 ""、" " 还是 NULL）
• 加 max_rows=1000 可防止因某行格式异常导致整个加载卡死（调试时特别有用）
• 示例：np.genfromtxt("data.csv", delimiter=",", skip_header=1, dtype=float, missing_values="", filling_values=np.nan, max_rows=1000)

别指望 genfromtxt 自动猜列名或返回结构化数组——它只管数值矩阵

np.genfromtxt 的目标是生成 ndarray，不是替代 pandas。即使你传了 names=True，它也只把表头转成字段名存进 dtype，返回的是结构化数组（structured array），不是 DataFrame，没法用 df["col"] 索引，也不能直接做广播运算。

• 如果你需要列名 + 数值运算 → 改用 pandas.read_csv，再调 .values
• 如果你坚持用 NumPy 且必须带名访问 → 用 names=True + dtype=None，但之后得手动提取每列：arr["col_name"]，且所有列 dtype 会被统一为 object，性能差
• 纯数值计算场景（如科学计算、图像数据）→ 直接 skip_header=1 + 明确 dtype=float，拿到干净二维 ndarray 最省事

实际项目里，只要 CSV 不是超大纯数值文件，用 pandas 更稳；但如果环境受限（比如嵌入式或极简依赖场景），np.genfromtxt 加上 skip_header、missing_values 和 filling_values 这三个参数，就是最轻量可靠的兜底方案。别漏掉 encoding 参数，Windows 记事本保存的 CSV 很可能默认是 GBK。

今天带大家了解了的相关知识，希望对你有所帮助；关于文章的技术知识我们会一点点深入介绍，欢迎大家关注golang学习网公众号，一起学习编程~