行数不一致主因是隐藏字符或字段内换行未引号包裹，应先用cat -A或PowerShell查原始字节，再针对性调整lineterminator、quoting或on_bad_lines参数。
导入后 len(df) 和原始文件行数对不上，先查隐藏字符
excel 或 csv 里肉眼看不见的换行符、零宽空格、bom 头，会让 pandas 误判行边界，尤其在 windows 编辑器里保存的文件容易带 \r\n 混用或 \ufeff。别急着调参数，先看原始文件真实结构。
- 用命令行快速检查：
head -n 5 file.csv | cat -A（Linux/macOS）或Get-Content file.csv -Encoding UTF8 | Select-Object -First 5 | ForEach-Object { $_.ToString().ToCharArray() | ForEach-Object { "{0:X4}" -f [int]$_ } -join ' ' }（PowerShell） - 重点看是否有
^M（\r）、EF BB BF（BOM）、200B（零宽空格） - pandas 默认用
\n分行，遇到孤立\r或嵌入式换行（如字段内"abc\ndef"）会多切一行
pd.read_csv 中哪些参数真正影响行数统计
不是所有参数都管“读进来几行”，关键只在三处：分隔逻辑、引号处理、错误容忍。其他像 dtype 或 usecols 不改变行数，只改内容。
-
lineterminator：强制指定换行符，比如设为'\n'可绕过混用\r\n导致的误切 -
quoting和quotechar：若字段含换行但没被引号包裹，pandas 会提前断行；设quoting=csv.QUOTE_ALL或检查原始导出是否漏引号 -
on_bad_lines='skip'（pandas ≥1.3）：跳过格式错乱行，但会静默丢数据；on_bad_lines='warn'能看到具体哪几行被跳了 - 避免用
error_bad_lines=False（已弃用），它不报错也不提示，容易漏掉问题行
怎么确认到底丢了哪几行或多了哪几行
靠 len(df) 对比太粗糙，得定位到具体行为什么异常。核心是让 pandas “吐出”它认为的每一行原始文本。
- 加
keep_default_na=False, skip_blank_lines=False，再用df.iloc[:10].to_string()看前几行是否包含意外换行 - 用
pd.read_csv(..., nrows=100, header=None)不带列名读，把每行当纯字符串，再print(repr(row[0]))查看原始字节表现 - 如果源是 Excel，别用
read_csv去读.xlsx—— 改用pd.read_excel，否则 openpyxl 引擎可能把合并单元格、注释行也当数据行算进去 - 导出时用
df.to_csv(..., line_terminator='\n')统一换行符，避免下次再踩坑
跳过错误记录时，on_bad_lines='skip' 的副作用
它确实能防止报错中断，但代价是：丢失行不标记、不返回索引、不保证顺序连续。你拿到的 df.index 看似从 0 开始，实际可能缺了第 17 行、第 203 行……而你完全不知道。
- 必须配合日志：用
warnings.catch_warnings(record=True)捕获UserWarning，里面含被跳行号 - 更稳妥的做法是先用
on_bad_lines='warn'运行一次，记下警告里的行号，再人工检查对应原始行 - 如果错误行有规律（比如总在含 emoji 的字段），不如预处理：用 Python 逐行读文件，
line.encode('utf-8', errors='ignore').decode('utf-8')清掉非法字节，再喂给read_csv
chunksize 或写自定义 parser，先用 cat -A 或十六进制查看器看前三行原始字节。
