本章学习目标：

• 知道CSV、Excel、JSON三种文件分别怎么读、会遇到什么常见问题
• 理解每种文件格式的“坑”在哪里，以及如何向AI描述解决方案
• 学会用“人话”告诉AI你要做什么，让AI生成代码
• 不需要记住任何函数名或参数，只需要知道“有什么问题”和“怎么描述”

---

一、核心理念：你不需要记住代码

在AI Agent时代，文件读取的代码不需要你亲手写。

你需要做的是三件事：

1. 知道有什么格式：CSV、Excel、JSON，每种的特点和坑
2. 知道有什么参数：编码、分隔符、跳过行数、Sheet名 —— 不需要记住拼写，知道“有这个东西”就行
3. 会描述需求：用自然语言告诉AI你想做什么

打个比方：你不需要知道汽车发动机怎么工作，但你需要知道“车没油了要去加油站”、“轮胎没气了要打气”。同样，你不需要记住pd.read_csv(encoding='utf-8')，但你需要知道“中文乱码时，告诉AI换个编码”。

---

二、CSV文件读取

2.1 CSV在什么场景用？

场景	为什么用CSV
从数据库导出数据做分析	数据库导出功能通常默认CSV格式
从Kaggle等平台下载数据集	竞赛数据集几乎都是CSV
在团队间传递数据	通用格式，任何人任何工具都能打开
存储清洗后的干净数据	体积小、读写快、没有格式污染

2.2 读取CSV时可能遇到的问题

CSV看起来简单，但实际读取时经常会遇到三个“坑”：

问题	现象	原因	怎么告诉AI
中文乱码	看到ä½ å¥½这样的乱码	文件编码和读取时用的编码不一致	“读取这个CSV时中文乱码了，帮我换GBK编码试试”
首列丢了0	手机号13800138000前面的0没了	手机号被当成数字处理了	“把用户ID列和手机号列当成字符串读取，不要转成数字”
列数对不齐	某一行比其他行多出几列	数据内容里本身就含有逗号	“这个CSV用逗号分隔，但数据里有逗号，帮我处理一下”

2.3 核心参数（只需要知道“有这些参数”）

参数名	它是干嘛的	什么时候用	怎么跟AI说
encoding	指定文件编码	出现中文乱码时	“编码换成GBK / utf-8”
sep	指定分隔符	文件不是用逗号分隔的（比如用Tab）	“这个文件用的是竖线分隔，不是逗号”
dtype	指定某列的数据类型	手机号、用户ID不能变成数字	“把手机号列当成字符串读”
nrows	只读前N行	文件太大，先看一眼结构	“先读前100行看看数据长什么样”
chunksize	分块读取	文件太大，内存装不下	“这个文件有2GB，帮我分块读取，每次处理1万行”

2.4 如何向AI描述CSV读取需求（提示词模板）

你的需求	你应该这样告诉AI
正常读取一个CSV	“帮我用Python读取这个data.csv文件，显示前5行”
中文乱码	“读取这个CSV时中文显示乱码，帮我用GBK编码重新读”
手机号丢了前导0	“读取CSV时把手机号列当成字符串类型，不要转成数字”
文件太大，先看看结构	“这个CSV有500MB，先只读前1000行让我看看结构”
文件太大，内存装不下	“这个CSV有5GB，内存只有8GB，帮我分块读取，每块处理完后只保留需要的列”

---

三、Excel文件读取

3.1 Excel在什么场景用？

场景	为什么用Excel
业务部门给你的报表	业务人员熟悉Excel，能做简单计算和图表
包含多张Sheet的数据	一份Excel里可能有“用户表”、“订单表”等多个Sheet
需要保留格式的报告	给别人看的时候，颜色字体都需要保留
数据量不大（10万行以内）	Excel能打开，操作流畅

3.2 读取Excel时可能遇到的问题

Excel文件比CSV复杂得多，因为它是给人看的，不是给机器读的。常见问题：

问题	现象	原因	怎么告诉AI
多个Sheet	不知道数据在哪个Sheet	业务人员习惯把相关数据放不同Sheet	“读取这个Excel的第二个Sheet，Sheet名叫‘销售明细’”
合并单元格	读取后很多格子是空的	Excel里合并了单元格好看，但数据是不完整的	“合并单元格帮我向下填充，空的地方填成上面的值”
前几行不是数据	第1-3行是标题、Logo、空行	报表模板不是从第一行开始的	“跳过前3行，第4行是列名”
数字存成了文本	无法求和、计算	从别的系统导出时格式没转	“把金额列转成数字类型”

3.3 如何处理这些问题的思路

问题一：多个Sheet

Excel文件就像一本书，Sheet就像书的章节。你需要告诉AI：“我要读第几章”。

应对方式：

• 没指定：读取第一个Sheet（默认）
• 知道Sheet名：“读取Sheet名叫‘订单明细’的那个”
• 知道顺序：“读取第2个Sheet”

问题二：合并单元格

Excel里为了好看，经常会合并单元格，比如：

部门	姓名	销售额
销售部	张三	100
↑	李四	200
↑	王五	150

“↑”表示空，实际应该是“销售部”填充到下面所有行。

应对方式：告诉AI“把合并单元格向下填充，让空的地方自动填成上面非空的值”。

问题三：前几行不是数据

业务人员给的Excel经常长这样：

第1行：【公司Logo】
第2行：2024年销售报表
第3行：（空行）
第4行：部门 | 姓名 | 销售额  ← 这才是真正的列名
第5行：销售部 | 张三 | 100

应对方式：告诉AI“跳过前3行，用第4行作为列名”。

3.4 如何向AI描述Excel读取需求（提示词模板）

你的需求	你应该这样告诉AI
正常读取	“帮我读取这个orders.xlsx文件，显示前5行”
指定Sheet	“读取Excel的第2个Sheet，Sheet名叫‘2024年数据’”
有合并单元格	“这个Excel有合并单元格，读取后帮我向下填充空值”
前几行不是数据	“跳过前2行空行和第3行说明，第4行才是真正的列名”
只读某几列	“只读Excel里的A、C、E三列，其他不要”
多个Sheet一起读	“把Excel里所有Sheet都读进来，每个Sheet存成一个DataFrame”

---

四、JSON文件读取

4.1 JSON在什么场景用？

场景	为什么用JSON
调用Web API获取数据	几乎所有互联网API都返回JSON格式
读取服务器日志	很多日志系统每行存一个JSON对象
处理嵌套/层级数据	JSON天生支持“一对多”的嵌套结构
移动App和服务器的通信	轻量、易解析

4.2 理解“嵌套结构”——JSON最难但最重要的概念

先看CSV/Excel能表达的（平面表格）：

user_id	name	order_id	amount
1001	张三	9001	199.5
1001	张三	9002	350.0
1002	李四	9003	89.0

注意：张三的名字重复出现了两次，因为他有两个订单。

再看JSON的表达方式（嵌套）：

[
  {
    "user_id": 1001,
    "name": "张三",
    "orders": [
      {"order_id": 9001, "amount": 199.5},
      {"order_id": 9002, "amount": 350.0}
    ]
  },
  {
    "user_id": 1002,
    "name": "李四",
    "orders": [
      {"order_id": 9003, "amount": 89.0}
    ]
  }
]

区别在哪里：

维度	CSV/Excel	JSON
结构	平面（行×列）	嵌套（可以一层套一层）
重复信息	张三的姓名重复2遍	张三的姓名只写1遍
表达“一对多”	需要多行	用嵌套数组天然表达
机器读取友好	✅	✅
人类直接看懂	✅	嵌套多了有点费眼

4.3 什么时候需要“展开”嵌套结构？

JSON的嵌套结构，对于分析工具（如Excel、Python的pandas）来说是不友好的。

分析工具喜欢的是“平面表格”——就是一张方方正正的矩阵，每一行是一条记录，每一列是一个字段。

所以，当你拿到一个嵌套的JSON，想分析里面的数据时，你需要做一件事：把嵌套“展开”（Flatten）成平面表格。

展开前（嵌套）：

用户A → 订单1、订单2、订单3
用户B → 订单4
用户C → 订单5、订单6

展开后（平面）：

用户A | 订单1
用户A | 订单2
用户A | 订单3
用户B | 订单4
用户C | 订单5
用户C | 订单6

一句话理解：展开就是把“一个用户有多个订单”拆成“一行一个订单”，用户的重复信息（如姓名、城市）在每个订单行里都带上。

4.4 JSON中常见的嵌套模式

嵌套模式	长什么样	怎么告诉AI
单层嵌套	用户信息外面包一层，里面是订单列表	“把orders数组展开，每个订单变成一行，保留用户的user_id和name”
多层嵌套	用户 → 订单 → 商品（订单里还有商品列表）	“展开到商品级别，每个商品一行，带上用户和订单的信息”
元数据+数据	{"status": "success", "data": [...]}	“只取data里面的数组展开，status作为标记保留”

5.5 如何向AI描述JSON读取需求（提示词模板）

你的需求	你应该这样告诉AI
读取简单JSON（每行一个对象）	“读取这个data.json文件，它每行是一个JSON对象”
展开嵌套的订单数据	“这个JSON里每个用户有多个订单，帮我展开成平面表格，每个订单一行，用户信息重复带上”
API返回的数据	“调用这个API返回了JSON，取出data字段里的数组，把它转成表格”
多层嵌套	“JSON里用户→订单→商品有三层嵌套，帮我展开到商品级别，每个商品一行”
只取部分字段	“读取这个JSON，只保留user_id、name、和orders里的amount字段”

---

五、实战：三种文件的“向AI描述”对照表

你的场景	文件类型	你告诉AI的话
从Kaggle下载的数据	CSV	“读取这个CSV，显示前10行看看有什么字段”
CSV打开是乱码	CSV	“中文乱码了，用GBK编码重新读”
业务给的月度报表	Excel	“读取这个Excel，它有合并单元格，帮我向下填充”
Excel有多张Sheet	Excel	“读取这个Excel的Sheet2，Sheet名叫‘客户明细’”
调用天气API	JSON	“调用天气API返回的JSON，把它转成表格”
用户画像API	JSON（嵌套）	“JSON里每个用户有多个标签，帮我展开，每个标签一行”
2GB的超大CSV	CSV	“文件太大内存装不下，帮我分块读取，每块1万行”

---

六、本章总结

你只需要记住这三件事

文件类型	核心坑	怎么告诉AI
CSV	中文乱码、数字前丢0、分隔符不是逗号	“换编码”、“转成字符串”、“分隔符是竖线”
Excel	多Sheet、合并单元格、前几行不是数据	“读Sheet2”、“合并单元格向下填充”、“跳过前3行”
JSON	嵌套结构、需要展开	“JSON里有嵌套数组，帮我展开成平面表格”

核心心法

你不需要记住pd.read_csv(encoding='gbk', dtype={'phone': str}) —— 你只需要知道“中文乱码换编码”、“手机号按文本读”。告诉AI，它会生成正确的代码。

思考题

1. 从业务同事那里拿到一个CSV，打开后中文全是乱码。你怀疑是编码问题。你会怎么告诉AI？

2. 一个Excel文件，打开后发现：第1-2行是公司Logo和标题，第3行是列名，从第4行开始是数据，而且A列有合并单元格。你会怎么告诉AI去读取？

3. 调用一个电商API，返回的JSON结构是：外层有status和data，data里面是一个数组，每个元素是一个订单，每个订单里有order_id和products（商品列表）。你想分析每个商品的情况。你会怎么告诉AI？

4. 一个CSV文件有2GB，你的电脑只有8GB内存。直接读取会内存不足。你会怎么告诉AI解决这个问题？

---

下一节预告：2.3 数据库读取 —— 公司的数据在MySQL里，怎么告诉AI去连接、查询、取数？