read_csv函数没有取第一个空行来终止的选项，本模块不能根据需要的条件接受/拒绝行，只能忽略空行（可选）或不符合数据形成形状的行（分隔符较多的行）。
您可以通过以下方法规范化数据（无需解析文件-pure pandas）：
1.知道所需的\trash数据行数。[手动]
pd.read_csv('file.csv', nrows=3)或pd.read_csv('file.csv', skipfooter=4)
1.通过删除DataFrame中的其他数据来保留所需数据。[自动]
df.dropna(axis=0, how='any', inplace=True)
结果将是：

header1 header2 header3
0   val11   val12   val13
1   val21   val22   val23
2   val31   val32   val33

解决方案：

df = pd.read_csv(<filepath>, skip_blank_lines=False)
blank_df = df.loc[df.isnull().all(1)]
if len(blank_df) > 0:
    first_blank_index = blank_df.index[0]
    df = df[:first_blank_index]

说明：

使用panda原生函数来实现这一点的最佳方法是参数和函数调用的组合--有点混乱，但绝对可行！
首先，使用skip_blank_lines=False调用read_csv，因为缺省值是True。

df = pd.read_csv(<filepath>, skip_blank_lines=False)

然后，使用isnull或isna方法创建一个 * 仅包含 * 空行的 Dataframe 。这是通过 * 定位 *（.loc）所有值都为空/空的索引来实现的。

blank_df = df.loc[df.isnull().all(1)]

通过利用这个 Dataframe 保留原始索引的事实，您可以获得第一个空行的索引。
因为这使用了索引，所以您还需要检查csv中是否确实有空行。最后，您只需将原始 Dataframe “切片”以删除不需要的行。

if len(blank_df) > 0:
    first_blank_index = blank_df.index[0]
    df = df[:first_blank_index]

如果您使用的是csv模块，那么检测一个空行是非常简单的。

import csv 

with open(filename, newline='') as f:
    r = csv.reader(f)
    for l in r:
        if not l:
            break
        #Otherwise, process data