怎么用Python向现有CSV文件追加写入数据

一、文件打开模式：为什么必须是 'a' 而非 'w'

在 Python 中向磁盘文件写入内容，通常使用内置函数 open()。该函数的第二个参数控制文件的打开模式。初学者在尝试追加数据时，最容易出现的严重误操作是继续沿用常规写模式 'w'。

当传入 mode='w' 时，操作系统的文件子系统会在打开瞬间将文件尺寸截断为 0 字节（即清空旧内容），文件指针强制重置在起点，这会导致历史业务记录全部丢失。而传入 mode='a'（Append 追加模式）时，系统会在打开文件时保留已有的一切字节，并直接把文件操作指针（File Pointer）定位于文件末尾（EOF）。随后每一次写入调用，都在文件最末端续写，从而保障了历史数据的完整性。

二、使用标准库 csv.writer 追加列表型数据

Python 自带的 csv 模块无需通过 pip 额外安装，是处理 CSV 文件最直接高效的工具。如果手头的数据是以列表（List）或元组（Tuple）形式组织的单一数据项，使用 csv.writer 是最适合的选择。

1. 追加单行数据：writerow()

假设当前目录中已有一份名为 sales_records.csv 的销售账单文件，我们需要在末尾追加一笔新的订单记录：

import csv

# 准备待追加的新单行数据（列表格式）
new_record = ['2026-10-31', '降噪耳机', '799', '1']

# 使用 'a' 模式追加，必须指定 newline=''
with open('sales_records.csv', mode='a', newline='', encoding='utf-8') as f:
    writer = csv.writer(f)
    writer.writerow(new_record)

print("单行记录追加完成！")

2. 追加多行数据：writerows()

若有一批从网络请求、传感器或消息队列收集到的多条记录，逐行调用 writerow() 会产生不必要的函数调用开销。此时应调用 writerows() 传入由多个子列表构成的二维列表：

import csv

batch_records = [
    ['2026-10-31', '无线鼠标', '129', '3'],
    ['2026-10-31', '人体工学椅', '1499', '1'],
    ['2026-10-31', 'Type-C拓展坞', '189', '2']
]

with open('sales_records.csv', mode='a', newline='', encoding='utf-8') as f:
    writer = csv.writer(f)
    writer.writerows(batch_records)

print("批量数据追加完成！")

三、使用 csv.DictWriter 追加字典格式数据

在实际项目（如爬虫采集、RESTful API 响应提取）中，数据往往以字典结构呈现，键名（Key）对应列名，键值（Value）对应单元格内容。此时使用 csv.DictWriter 可以摆脱按列下标固定顺序组织的脆弱性：

import csv

fieldnames = ['时间', '商品名称', '单价', '数量']

# 字典中键的顺序无需严格对应列先后
dict_record = {
    '商品名称': '机械键盘',
    '数量': '1',
    '单价': '499',
    '时间': '2026-10-31'
}

with open('sales_records.csv', mode='a', newline='', encoding='utf-8') as f:
    writer = csv.DictWriter(f, fieldnames=fieldnames)
    # 注意：追加写入时千万不要盲目调用 writer.writeheader()，否则表头会反复混入数据行中间
    writer.writerow(dict_record)

四、关键细节：动态检测与表头（Header）写入控制

在构建自动化脚本或爬虫流水线时，经常会遇到这样一种场景：脚本周期性运行，第一次运行时目标 CSV 文件尚不存在（或大小为 0），需要创建文件并写入表头；而之后的每次运行，文件已经存在，只需要续写数据行，坚决不能再次写入表头。

如果在每次追加时都执行 writeheader()，生成的 CSV 中就会夹杂大量的重复表头行，导致后续使用数据分析工具时报出类型转换错误。通过判断 os.path.exists() 以及 os.path.getsize()，可以构建一个自适应的健壮追加管道：

实现该逻辑的通用健壮代码如下：

import os
import csv

file_path = 'sales_records.csv'
fieldnames = ['时间', '商品名称', '单价', '数量']
incoming_data = [
    {'时间': '2026-10-31', '商品名称': '蓝牙音箱', '单价': '299', '数量': '2'}
]

# 核心判断：只有当文件不存在，或者文件虽然存在但内容为空时，才需要补写表头
need_header = not os.path.exists(file_path) or os.path.getsize(file_path) == 0

with open(file_path, mode='a', newline='', encoding='utf-8') as f:
    writer = csv.DictWriter(f, fieldnames=fieldnames)
    if need_header:
        writer.writeheader()
    writer.writerows(incoming_data)

五、数据分析场景：使用 Pandas 向现有 CSV 追加

在数据科学与分析工程中，数据通常承载于 pandas.DataFrame。Pandas 的 to_csv() 方法同样提供了 mode 参数，允许直接追加到现有文件。

使用 Pandas 追加时，必须格外注意以下两点配置：

• mode='a'：指定底层以追加模式写入。
• header=False：现有文件中已有表头，追加时必须关闭表头写入；只有首次建表时才置为 True。
• index=False：默认情况下 Pandas 会将行索引（0, 1, 2...）写在第一列，追加数据时如果不关掉该参数，会导致索引列破坏原有字段对应关系。

import os
import pandas as pd

df_new = pd.DataFrame({
    '时间': ['2026-10-31'],
    '商品名称': ['人体工学鼠标垫'],
    '单价': [49],
    '数量': [5]
})

csv_target = 'sales_records.csv'
has_header = os.path.exists(csv_target) and os.path.getsize(csv_target) > 0

# 如果已有内容，则 header=False；若无内容，则 header=True
df_new.to_csv(
    csv_target,
    mode='a',
    header=not has_header,
    index=False,
    encoding='utf-8'
)

六、高频陷阱与防错检查清单

在实际执行追加写入时，除了掌握语法，还需规避以下四个隐性问题：

七、总结

使用 Python 向现有 CSV 文件追加写入数据的通用法则可以归纳为两句话：以 with open(file, 'a', newline='', encoding='utf-8') 打开目标管道，依据数据结构选择 csv.writer 或 csv.DictWriter 进行序列化写入。只要在工程中严把 mode='a'、空行抑制与动态表头检测三道关口，即可实现安全、高效、零损坏的数据累积与流式存储。