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 csv

filename = './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 np

filename = './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 pd

filename = './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 csv

filename = './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。