由于pandas 1.4.0允许 callable 作为**on_bad_lines**参数，因此允许您对坏行应用更复杂的处理。
版本1.4.0中的新增功能：

callable, function with signature (bad_line: list[str]) -> list[str] | None that will process a single bad line. bad_line is a

由seps拆分的字符串列表。如果函数返回None，则错误行将被忽略。如果函数返回的新字符串列表包含的元素多于预期，则在删除多余元素时将发出ParserWarning。仅在engine=“python”时支持
因此，您可以传递一个自定义函数，该函数将遇到的坏行写入特定文件并返回None（在生成 Dataframe 时跳过该行）。

from functools import partial

def write_bad_line(line, fp, sep=','):
    fp.write(sep.join(line) + '\n')
    return None  # return None to skip the line while processing

bad_lines_fp = open('bad_lines.csv', 'a')
df = pd.read_csv('test.csv', header=None, sep=';', engine='python',
                 on_bad_lines=partial(write_bad_line, sep=';', fp=bad_lines_fp))
bad_lines_fp.close()
print(df)

Dataframe 的输出：

0          1         2
0  1   Snow,Jon  19801201
1  2  Crom,Jake  19920103

bad_lines.csv的内容（通过cat命令）：

$ cat bad_lines.csv
003; ;Wise,Frank;19880303
004;Wiseau,Tommy;4324;1323;2323

你可以在载入Pandas之前用一个脚本来分割csv文件，比如：

with open('names.csv') as src, open('good.csv', 'w') as good, open('bad.csv', 'w') as bad:
    for line in src:
        if line.count(';') == 2: # or any other appropriate criteria
            good.write(line)
        else:
            bad.write(line)