鉴于你的评论，我想你最终有 * 两 * BOM。
让我们看一个小例子，我使用内置的open代替pd.read_csv/pd.to_csv，但是encoding参数的含义是相同的。
让我们创建一个保存为UTF-8格式并带有BOM的文件：

>>> text = 'foo'
>>> with open('/tmp/foo', 'w', encoding='utf-8-sig') as f:
...     f.write(text)

现在让我们重新读一遍。但我们使用了不同的编码：“utf-8”而不是“utf-8-sig”。在您的示例中，您根本没有指定编码参数，但默认值很可能是“utf-8”或“cp-1252”，这两个参数都保留BOM。因此，以下代码或多或少与您的代码片段等效：

>>> with open('/tmp/foo', 'r', encoding='utf8') as f:
...     text = f.read()
... 
>>> text
'\ufefffoo'
>>> with open('/tmp/foo_converted', 'w', encoding='utf-8-sig') as f:
...     f.write(text)

BOM作为文本的一部分读取;它是第一个字符（此处表示为"\ufeff"）。
让我们使用合适的命令行工具来查看文件中的实际内容：

$ hexdump -C /tmp/foo
00000000  ef bb bf 66 6f 6f                                 |...foo|
00000006
$ hexdump -C /tmp/foo_converted 
00000000  ef bb bf ef bb bf 66 6f  6f                       |......foo|
00000009

在UTF-8中，BOM被编码为三个字节EF BB BF。显然，第二个文件有两个字节。因此，即使是BOM感知程序也会在 foo_converted 的开头发现一些无意义的字符，因为BOM只被剥离一次。

对我来说，BOM是在第一个列名之前添加的。幸运的是，Pandas能够将它读入 Dataframe ，BOM仍然在第一个列名之前添加。我遍历所有列，从第一个列名中删除BOM（因为我处理许多不同的csv文件源，我不能确定第一个列名）：

for column in df.columns: #Need to remove Byte Order Marker at beginning of first column name
        new_column_name = re.sub(r"[^0-9a-zA-Z.,-/_ ]", "", column)
        df.rename(columns={column: new_column_name}, inplace=True)

希望这能帮助到一些人。