Python中Pandas如何导出为CSV文件_使用to_csv并设置编码格式

2026-03-23 Python

to_csv保存中文乱码的根本原因是编码不匹配：Windows默认GBK而Pandas默认UTF-8；Excel读CSV不自动识别UTF-8，需用encoding='utf-8-sig'写入BOM；index=True会多导出行号，应按需设index=False；na_rep可直接替换NaN而不改原数据；大文件须用chunksize分块写入防内存溢出。

to_csv 保存中文乱码，根本原因是编码没对上

Windows 默认用 gbk，而 Pandas 默认用 utf-8；导出 CSV 后用 Excel 打开乱码，大概率不是数据问题，是编码声明和实际写入不一致。Excel（尤其是旧版）读 CSV 时不会自动识别 BOM 或 UTF-8，它默认按系统编码解析。

最稳妥的解法：加 encoding='utf-8-sig' —— 它会在文件开头写入 BOM，Excel 能正确识别为 UTF-8
别用 encoding='utf-8' 直接保存，Excel 打开基本会乱码
如果必须用 gbk（比如对接老系统），就统一用 encoding='gbk'，但注意：含 emoji、生僻字或某些 Unicode 字符会报错 UnicodeEncodeError

to_csv 的 index 参数不关掉，第一列会多出一列行号

默认 index=True，导出的 CSV 第一列是自增数字索引（0, 1, 2…），看着像“多了一列”。这不是 bug，是 Pandas 把 DataFrame 的行索引当数据写了进去。

导出纯数据表（比如给业务方看、导入数据库），务必加 index=False
如果原始索引有意义（比如是日期、ID），可以保留 index=True，但要确认下游能正确解析索引列
用 Excel 打开时，index=True 导致列名整体右移一格，容易误判字段顺序

处理缺失值时 na_rep 参数比 fillna 更直接

CSV 是文本格式，NaN 默认导出成空字符串，但有时需要明确标成 NULL、N/A 或 \N（比如对接 Hive/PostgreSQL）。与其先用 fillna() 改原数据，不如在 to_csv 里一步指定。

MedPeer

AI驱动的一站式科研服务平台

用 na_rep='NULL'，所有 NaN 都变成字面量 NULL（不带引号）
注意：na_rep 不影响 None 或空字符串，只管 Pandas 的 NaN
如果字段本身有空字符串 ''，它不会被替换成 na_rep 的值，这点和 fillna 行为不同

大文件导出卡住或内存爆掉？分块写入更稳

to_csv 默认一次性把整个 DataFrame 加载进内存再写磁盘，几百万行就可能吃光内存或写得极慢。尤其当目标路径是网络盘、NAS 或权限受限目录时，还容易因 I/O 暂停导致超时。

用 chunksize 参数分批导出：先 df.to_csv('out.csv', mode='w', header=True, index=False) 写头，再循环 df.iloc[i:i+chunksize].to_csv('out.csv', mode='a', header=False, index=False)
避免用 to_csv 的 compression 参数直接写 .zip 或 .gz —— 它内部仍会全量加载，压缩只是最后一步
如果只是想减小体积，先用 to_csv(..., encoding='utf-8-sig') 保存为普通 CSV，再用系统命令压缩更可控