最安全的方法是首先解析csv文件，跳过所有只有1个值的行，然后将其用作输入：

import csv
import io

csv.register_dialect('mycsv', delimiter=':', quoting=csv.QUOTE_NONE)

newcsv = ''
with open('test.csv', newline='') as f:
    reader = csv.reader(f, 'mycsv')
    for row in reader:
        if len(row) > 1:
            newcsv += ':'.join(row) + '\n'

df = pd.read_csv(
  io.StringIO(newcsv), 
  sep=':',
  index_col=0,
  decimal=','
)

输出：

azimuth    zenith  bjorkeny  energy   pos_x    pos_y    pos_z  proba_track  proba_cscd
0  2.349537  1.116004  0.048998  3.3664  52.740   28.831  401.186     0.824351    0.175649
1  5.575786  1.742838  0.280471  3.8900  48.369   29.865  417.282     0.818363    0.181637
2  4.656125  2.686909  0.119843  3.2335  71.722  121.449  363.077     0.828343    0.171657

请注意，对于一个大文件，您可能希望逐行构建数据框（在csv读取器循环中），而不是创建一个巨大的newcsv字符串。

别在工作时这么做

对于您的示例数据，在非生产环境中，您可以使用on_bad_lines回调的副作用来使用 * 实际 * 行填充列表：

data = []
_ = pd.read_csv('test.csv', on_bad_lines=lambda l:data.append(l), sep=':', index_col=0, decimal=',', engine='python')
df = pd.DataFrame(data[1:], columns=['idx'] + data[0][1:]).set_index('idx')

输出：

azimuth              zenith  ...         proba_track           proba_cscd
idx                                          ...
0    2.3495370211373316  1.1160038417256017  ...  0.8243512974051896  0.17564870259481039
1     5.575785663044353  1.7428377336692398  ...  0.8183632734530938  0.18163672654690619
2     4.656124692722159   2.686909147834136  ...  0.8283433133732535  0.17165668662674652

CASE-I：假设第一个'$'是列标题。我找不到任何“Pandas”解决方案，但有一种方法可以实现这一点：

with open('C:/Users/r.goyal/Desktop/sample.csv') as f:
    lines = f.readlines()

skiprows = [i for i in range(len(lines)) if lines[i][0]=='$'][0]

这将为www.example.com _csv（）中的参数'skiprows'提供skiprows值pandas.read。
对于存在数百万行并且执行时间是敏感因素的大型CSV，同样可以临时修改为-

skiprows = 0; i=0
with open('C:/Users/r.goyal/Desktop/sample.csv') as f:
    for line in f:
        if line[0]=='$':
            skiprows = i
            break
        i+=1

案例II（假设无）

skiprows = 0; i=0
with open('C:/Users/r.goyal/Desktop/sample.csv') as f:
    for line in f:
        if len(line.split(':')) > len(line.split(" ")):
            skiprows = i-1 # -1 to reach the line that mentions $ Columns
            break

        i+=1

用空格分隔的行将比用“：”分隔的行具有更多的空格，因此比较是在相同的逻辑上进行的。