话不多说，开干！！！

目录

1.使用 csv 模块

2.使用 numpy 库

3.使用pandas库

4.使用标准库中的 csv 模块

5.注意事项

1.使用 csv 模块

（1）项目目录如下图所示：

（2）代码如下：

import csvfilename = './data/test.csv'with open(filename, "r") as csvfile:csvreader = csv.reader(csvfile)# 遍历csvreader对象的每一行内容并输出for row in csvreader:print(row)

（3）效果如下：

2.使用 numpy 库

（1）项目结构如下：

（2）代码如下：

# 使用 numpy 库：import numpy as npfilename = './data/test.csv'# delimiter参数的作用是指定分隔符,dtype参数的作用是指定数据类型data = np.genfromtxt(filename, delimiter=' ', dtype=str)print('df的数据类型为:{}'.format(type(data)))print(data)

（3）效果如下：

3.使用pandas库

（1）项目结构如下：

（2）代码如下：

# 使用 pandas 库：import pandas as pdfilename = './data/test.csv'df = pd.read_csv(filename)print('df的数据类型为:{}'.format(type(df)))print(df)

（3）效果如下：

4.使用标准库中的 csv 模块

（1）项目结构如下：

（2）代码如下：

# 使用标准库中的 csv 模块：import csvfilename = './data/test.csv'with open(filename, newline='') as csvfile:reader = csv.DictReader(csvfile)# 遍历csvreader对象的每一行内容并输出for row in reader:print(row)

（3）效果如下：

5.注意事项

请注意，这个程序假设您的CSV文件已经存在，并且可以被正确读取。如果您的CSV文件不在当前目录中，您需要提供完整的文件路径。

这些方法在读取CSV文件时都有不同的优缺点，您可以根据自己的需求选择合适的方法。例如，如果您想要快速、方便地处理CSV文件并将其转换为DataFrame对象，则可以使用pandas库；如果您想要更高级的控制和更灵活的选项，则可以使用标准库中的csv模块。