我有一个不同的解决方案。让Pandas负责创建表和删除None值，让我们负责编写一个适当的标记器。

标记器

def tokenize(str):
    idx = [x for x, v in enumerate(str) if v == '\"']
    if len(idx) % 2 != 0:
        idx = idx[:-1]
    memory = {}
    for i in range(0, len(idx), 2):
        val = str[idx[i]:idx[i+1]+1]
        key = "_"*(len(val)-1)+"{0}".format(i)
        memory[key] = val
        str = str.replace(memory[key], key, 1)        
    return [memory.get(token, token) for token in str.split(",")]

令牌化程序的测试用例

print (tokenize("1,2,3,4,5"))
print (tokenize(",,3,\"Hello, World!\",5,6"))
print (tokenize(",,3,\"Hello,,,, World!\",5,6"))
print (tokenize(",,3,\"Hello, World!\",5,6,,3,\"Hello, World!\",5,6"))
print (tokenize(",,3,\"Hello, World!\",5,6,,3,\"Hello,,5,6"))

产出
['1', '2', '3', '4', '5'] ['', '', '3', '"Hello, World!"', '5', '6'] ['', '', '3', '"Hello,,,, World!"', '5', '6'] ['', '', '3', '"Hello, World!"', '5', '6', '', '3', '"Hello, World!"', '5', '6'] ['', '', '3', '"Hello, World!"', '5', '6', '', '3', '"Hello', '', '5', '6']

将标记化器投入使用

with open("test1.csv", "r") as fp:
    lines = fp.readlines()

lines = list(map(lambda x: tokenize(x.strip()), lines))
df = pd.DataFrame(lines).replace(np.nan, '')

优点：

现在，我们可以根据需要调用标记器函数

在我的案例中1我在Excel中打开了 *. csv 2我将 *. csv保存为CSV（逗号分隔）3我通过以下方式在python中加载了该文件：

import pandas as pd
df = pd.read_csv('yourcsvfile.csv', sep=',')

希望能有所帮助!

对我来说，通过在www.example.com _csv（）命令中添加usecols可以解决这个问题pd.read：
使用类别=[“我的列_1”，“我的列_2”，...]

对我来说，解决方案是添加正确的分隔符;，如下所示：
pandas.read_csv(path, sep=';')

感谢@ ALOLZ提供的“非常新鲜”的链接（幸运的巧合）和@Rich Andrews指出我的示例实际上并不是“严格正确的”CSV数据。
因此，我目前使用的工作方式改编自@ ALOLZ紧凑型解决方案（https://stackoverflow.com/a/55129746/7295599）

### reading an "incorrect" CSV to dataframe having a variable number of columns/tokens 
import pandas as pd

df = pd.read_csv('Test.csv', header=None, sep='\n')
df = df[0].str.split(',', expand=True)
# ... do some modifications with df
### end of code

df包含空字符串''，用于开头和中间的缺失条目，以及None，用于结尾的缺失令牌。

0  1  2  3     4     5     6
0  1  2  3  4     5  None  None
1  1  2  3  4     5     6  None
2        3  4     5  None  None
3  1  2  3  4     5     6     7
4     2     4  None  None  None

如果您通过以下方式将其再次写入文件：
df.to_csv("Test.tab",sep="\t",header=False,index=False)
None将被转换为空字符串''，一切正常。
下一个层次是考虑引号中包含分隔符的数据字符串，但这是另一个主题。

1,2,3,4,5
,,3,"Hello, World!",5,6
1,2,3,4,5,6,7

使用宽容的python csv模块读取csv，并在将其提交给panda之前修复加载的文件，无论panda使用何种csv引擎，都会在格式错误的csv数据上失败。

import pandas as pd
import csv

not_csv = """1,2,3,4,5
1,2,3,4,5,6
,,3,4,5
1,2,3,4,5,6,7
,2,,4
"""

with open('not_a.csv', 'w') as csvfile:
    csvfile.write(not_csv)

d = []
with open('not_a.csv') as csvfile:
    areader = csv.reader(csvfile)
    max_elems = 0
    for row in areader:
        if max_elems < len(row): max_elems = len(row)
    csvfile.seek(0)
    for i, row in enumerate(areader):
        # fix my csv by padding the rows
        d.append(row + ["" for x in range(max_elems-len(row))])

df = pd.DataFrame(d)
print df

# the default engine
# provides "pandas.errors.ParserError: Error tokenizing data. C error: Expected 5 fields in line 2, saw 6 "
#df = pd.read_csv('Test.csv',header=None, engine='c')

# the python csv engine
# provides "pandas.errors.ParserError: Expected 6 fields in line 4, saw 7 "
#df = pd.read_csv('Test.csv',header=None, engine='python')

在python外部预处理文件，如果担心python内部的额外代码会创建过多的python代码。

Richs-MBP:tmp randrews$ cat test.csv
1,2,3
1,
2
1,2,
,,,
Richs-MBP:tmp randrews$ awk 'BEGIN {FS=","}; {print $1","$2","$3","$4","$5}' < test.csv
1,2,3,,
1,,,,
2,,,,
1,2,,,
,,,,