不能靠'a'模式自动判断是否写表头，需手动检查文件是否存在及是否已有表头；推荐用'a+'模式配合seek读取首行验证，再决定是否写header，同时显式指定encoding='utf-8-sig'和newline=''。
用 open() + a 模式追加 CSV 行，但不重复写表头
直接结论：不能靠 a 模式自动判断“有没有表头”，它只管在文件末尾追加字节。是否写表头，得你自己判断文件是否为空或已存在——否则每次都会多一行表头。
常见错误现象：csv.writer(f).writerow(header) 放在循环外但没做文件存在性检查，导致第二次运行脚本时，表头被重复写入；或者用 os.path.getsize() 判断空文件，却忽略了文件存在但内容为空（比如只有换行符）的情况。
- 先用
os.path.exists()检查文件是否存在，而不是只看大小 - 如果文件存在，用
open(..., 'r')读第一行，用csv.Sniffer().has_header()或简单比对字段名更稳妥（尤其当表头含空格、引号时） - 更轻量的做法：打开文件时用
'a+'模式，.seek(0)读开头，再.seek(0, 2)回到末尾，避免多次 open/close
csv.writer 追加单行 vs 多行：writerow() 和 writerows() 的行为差异
两者都只是把数据转成 CSV 字符串并写入当前文件指针位置，不会自动换行或补逗号——换行符由你传入的数据决定（比如 writerow(['a', 'b']) 会在末尾加 \n，前提是初始化 csv.writer 时没禁用 lineterminator）。
使用场景：单行追加适合日志类实时写入；批量写入用 writerows() 能减少 I/O 次数，但要注意内存占用。
立即学习“Python免费学习笔记（深入）”；
-
writerow()接收一个可迭代对象（如列表），写一行；传入字符串会被当作字符序列，导致每字一列 -
writerows()接收可迭代的可迭代对象（如列表套列表），内部循环调用writerow() - 默认
lineterminator='\r\n'（Windows）或'\n'（Unix），若跨平台读取异常，显式指定lineterminator='\n'
用 pd.DataFrame.to_csv(..., mode='a', header=False) 看似省事，但有隐藏坑
这个方式确实能跳过表头，但 pandas 在 mode='a' 下不会校验已有 CSV 的列结构。如果 DataFrame 列名顺序、数量与原文件不一致，追加后 CSV 就错位了——它不会报错，也不会对齐字段。
性能影响：每次调用 to_csv 都会重新解析整个文件路径、编码、分隔符等，即使只是追加一行；而原生 csv 模块开销小得多。
- 仅当确定列结构完全一致、且数据量不大时才用
to_csv(mode='a') -
header=False只是跳过写表头，不等于“自动匹配表头”，列顺序必须和原文件严格一致 - 如果原 CSV 用
quoting=csv.QUOTE_MINIMAL，而to_csv默认是QUOTE_BOUNDARY，引号规则可能不兼容
追加写入时的编码与换行一致性问题
CSV 不是二进制格式，但编码和换行符不统一，会导致 Excel 打开乱码、行数错乱、甚至解析失败。尤其在 Windows 写、Linux 读，或用 Notepad++ 和 VS Code 交替编辑时特别明显。
错误现象：Excel 显示“#VALUE!”、某列内容突然跑到下一行、中文变成问号或方块。
- 始终显式指定
encoding='utf-8-sig'（Windows 上 Excel 友好），而不是'utf-8' - 打开文件时用
newline=''（这是csv模块文档明确要求的），否则 Windows 下可能多出空行 - 不要依赖系统默认换行符；
csv.writer的lineterminator设为'\n'即可，底层会按平台适配
csv.writer 追加。细节藏在判断逻辑里，而不是靠模式或参数自动解决。 
