在CSV文件操作场景中，往第一行插入数据是高频需求，比如需要为无表头的CSV补充表头，或者在原有表头前添加新的标识行。下面将介绍几种不同实现方式，适配不同的开发场景。
方法一：使用Python原生csv模块实现
Python内置的csv模块可以直接处理CSV文件的读写，核心思路是先读取原有所有行，再将新行插入到列表最前面，最后重新写入文件。
import csv
def insert_first_row_csv(file_path, new_row):
# 读取原有所有行
with open(file_path, 'r', encoding='utf-8') as f:
reader = csv.reader(f)
original_rows = list(reader)
# 新行插入到原有行的最前面
all_rows = [new_row] + original_rows
# 重新写入文件
with open(file_path, 'w', encoding='utf-8', newline='') as f:
writer = csv.writer(f)
writer.writerows(all_rows)
# 示例：往test.csv第一行插入表头
new_header = ['姓名', '年龄', '城市']
insert_first_row_csv('test.csv', new_header)
方法二：使用pandas库实现
如果已经安装了pandas库，操作会更加简洁，利用DataFrame的行列操作特性可以快速完成插入。
import pandas as pd
def insert_first_row_pandas(file_path, new_row):
# 读取原有CSV，不设置表头，将所有行作为数据
df = pd.read_csv(file_path, header=None)
# 创建新行的DataFrame
new_df = pd.DataFrame([new_row])
# 拼接新行和原有数据
result_df = pd.concat([new_df, df], ignore_index=True)
# 写回文件，不保存pandas默认的索引
result_df.to_csv(file_path, index=False, header=False)
# 示例：插入新行
new_row = ['id', 'score', 'grade']
insert_first_row_pandas('data.csv', new_row)
方法三：手动处理文本行实现
如果CSV文件格式简单，没有复杂的引号转义场景，也可以直接按文本行处理，避免依赖额外库。
def insert_first_row_text(file_path, new_row):
# 读取所有原有行
with open(file_path, 'r', encoding='utf-8') as f:
lines = f.readlines()
# 拼接新行，CSV默认用逗号分隔，换行加n
new_line = ','.join(new_row) + 'n'
# 插入到最前面
lines.insert(0, new_line)
# 写回文件
with open(file_path, 'w', encoding='utf-8') as f:
f.writelines(lines)
# 示例调用
insert_first_row_text('simple.csv', ['产品名', '价格', '库存'])
不同方法对比
可以根据实际场景选择合适的方法，下面是三种方案的对比：
| 方法 | 依赖库 | 适用场景 | 优势 |
|---|---|---|---|
| csv模块 | Python内置 | 复杂CSV格式，包含引号、换行等特殊内容 | 无需额外安装依赖，兼容性好 |
| pandas库 | 需要安装pandas | 已有pandas环境，批量处理数据场景 | 代码简洁，支持更多数据操作 |
| 文本行处理 | 无依赖 | 简单CSV，无特殊格式内容 | 逻辑简单，执行速度快 |
注意事项
- 操作前建议先备份原CSV文件，避免数据丢失
- 如果原有CSV有表头，插入新行后需要确认表头位置是否符合预期
- 写入文件时注意编码一致，避免中文乱码问题
- 如果CSV包含大量数据，建议使用方法一或方法二，避免一次性读取全部内容占用过多内存