Python 为什么read_csv skiprows值需要低于这种情况下的值？

我有一个日志文件（本例中为Text.TXT）：

要将此日志文件读入pandas并忽略所有标题信息，我将使用

skiprows

直到第16行，如下所示：

pd.read_csv('test.TXT',skiprows=16,sep=';')

但这会产生

EmptyDataError

，因为它跳过了数据的起始位置。为了实现这一点，我不得不在第11行使用它：

pd.read_csv('test.TXT',skiprows=11,sep=';')
      Timestamp  T  ID  P
0  16T122109957  0   6  6

---

我的问题是，如果数据直到第17行才开始，在这种情况下，为什么我需要请求一个skiprows到第11行

一种解决方法是使用

或

来自表头参数下的单据：

请注意，如果skip_blank_lines=True，此参数将忽略注释行和空行，因此header=0表示数据的第一行，而不是文件的第一行

---

不确定skiprows在这里的怪异行为

当我执行

pd.read_csv（StringIO（text），header=15，sep='；'）

时，它给了我一个错误

parserror:Passed header=15，但文件中只有13行。我认为这是一个错误。至少这解释了为什么它可以与11配合使用。@Ch3steR我认为当传递'sep'参数时，这是一个错误
pd.read\u csv（StringIO（text），skiprows=16）
似乎工作正常（跳过正确数量的行）。是的，没有
sep
它工作正常。这好像是一个错误。如果与此相关的问题不存在，您可以在GitHub中打开问题。@Ch3steR替换；标题中带有逗号的实例似乎使其跳过了正确的行数。@Ch3steR我将介绍提交问题
pd.read_csv('test.TXT',skiprows=11,sep=';')
      Timestamp  T  ID  P
0  16T122109957  0   6  6

from io import StringIO

text='''# 1: 5
# 3: x
# F: 5.
# ID: 001
# No.: 2
# No.: 4
# Time: 20191216T122109
# Value: ";"
# Time: 4
# Time: ""
# Time ms: ""
# Date: ""
# Time separator: "T"
# J: 1000000
# Silent: false
# mode: true
Timestamp;T;ID;P
16T122109957;0;6;0006'''

df = pd.read_csv(StringIO(text),comment='#',sep=';')
df
      Timestamp  T  ID  P
0  16T122109957  0   6  6

df = pd.read_csv(StringIO(text),header=0,comment='#',sep=';')