pandas原生支持to_csv的compression参数直接导出压缩csv，无需额外包或手动打包；支持gzip、bz2、xz及zstd等格式，传字典时必须含"method"键，如{"method": "gzip", "compresslevel": 6}，错误写法如{"method": "gzip", "level": 6}会报错。
直接用 to_csv 的 compression 参数就行
不用额外安装包、不手动打包，Pandas 原生支持导出带压缩的 CSV。关键就是 to_csv 的 compression 参数，它接受字符串或字典，控制底层压缩行为。
常见错误是手动用 gzip 模块写文件再套一层，结果生成的是二进制 gzip 流而非标准 CSV.gz 文件——Pandas 会自动处理编码和换行，手动操作反而容易破坏 CSV 结构。
-
compression="gzip"：生成.csv.gz，最常用，兼容性好 -
compression="bz2"：压缩率更高但慢，生成.csv.bz2 -
compression="xz"：更高压缩率，需要系统有xz工具（Windows 可能缺） -
compression={"method": "zstd", "level": 3}：需安装zstandard包，速度快、压缩平衡
compression 字典参数怎么配才不出错
传字典时必须包含 "method" 键，否则报 ValueError: Unknown compression method。其他键取决于方法，比如 zstd 支持 "level"，gzip 支持 "compresslevel"（注意拼写），而 bz2 用 "compresslevel" 但取值范围是 1–9（默认 9）。
容易踩的坑是把 compresslevel 写成 compression_level 或漏掉引号——字典键必须是字符串，且大小写敏感。
-
{"method": "gzip", "compresslevel": 6}：比默认 9 快一点，体积略大 -
{"method": "zstd", "level": 1}：适合频繁读写的场景，压缩快解压也快 - 不要写
{"method": "gzip", "level": 6}——gzip不认level这个 key
导出后文件打不开？检查这三点
导出的 .csv.gz 看起来“打不开”，通常不是 Pandas 问题，而是工具链不匹配：
- Excel 不能直接双击打开
.csv.gz，得先解压，或用支持 gzip 的 CSV 查看器（如 VS Code + CSV Viewer 插件） - Linux/macOS 下用
zcat file.csv.gz | head快速验证内容是否正常 - 如果用 Python 读回，必须用
pd.read_csv("file.csv.gz")——Pandas 自动识别扩展名并解压，别手动gzip.open再传给read_csv，会报编码错误
大数据量下 compression 对性能的影响
压缩本身耗 CPU，尤其 xz 和高 compresslevel 的 gzip。实测 1GB CSV：
-
compression="gzip"：比无压缩慢约 1.8×，磁盘节省 ~75% -
compression={"method": "zstd", "level": 1}：只慢 ~1.2×，节省 ~68%，推荐替代 gzip -
compression="xz"：慢 4×+，节省 ~80%，仅适合归档、非实时场景
真正卡住的往往是磁盘 I/O，不是压缩；如果 SSD 速度够，选 zstd 级别 1–3 是平衡点。别为了省几 MB 开启 compresslevel=9，时间成本远超收益。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
