我该如何读取以下CSV文件？
1,"A towel,",1.0
42," it says, ",2.0
1337,is about the most ,-1
0,massively useful thing ,123
-2,an interstellar hitchhiker can have.,3
我如何将以下数据写入CSV文件？
data = [
(1, "A towel,", 1.0),
(42, " it says, ", 2.0),
(1337, "is about the most ", -1),
(0, "massively useful thing ", 123),
(-2, "an interstellar hitchhiker can have.", 3),
]
这里是一些使用Python读取CSV文件和写入CSV文件的最小完整示例。
import csv
# Define data
data = [
(1, "A towel,", 1.0),
(42, " it says, ", 2.0),
(1337, "is about the most ", -1),
(0, "massively useful thing ", 123),
(-2, "an interstellar hitchhiker can have.", 3),
]
# Write CSV file
with open("test.csv", "wt") as fp:
writer = csv.writer(fp, delimiter=",")
# writer.writerow(["your", "header", "foo"]) # write header
writer.writerows(data)
# Read CSV file
with open("test.csv") as fp:
reader = csv.reader(fp, delimiter=",", quotechar='"')
# next(reader, None) # skip the headers
data_read = [row for row in reader]
print(data_read)
之后，data_read的内容为：
[['1', 'A towel,', '1.0'],
['42', ' it says, ', '2.0'],
['1337', 'is about the most ', '-1'],
['0', 'massively useful thing ', '123'],
['-2', 'an interstellar hitchhiker can have.', '3']]
mpu，它提供了一个超级简单、易记的实用方法：import mpu.io
data = mpu.io.read('example.csv', delimiter=',', quotechar='"', skiprows=None)
mpu.io.write('example.csv', data)
import pandas as pd
# Read the CSV into a pandas data frame (df)
# With a df you can do many things
# most important: visualize data with Seaborn
df = pd.read_csv('myfile.csv', sep=',')
print(df)
# Or export it in many ways, e.g. a list of tuples
tuples = [tuple(x) for x in df.values]
# or export it as a list of dicts
dicts = df.to_dict().values()
点击查看read_csv文档以获取更多信息。请注意，Pandas会自动推断是否存在标题行，但您也可以手动设置它。
如果您还没有听说过Seaborn，我建议您去了解一下。
读取CSV文件也受到其他许多库的支持，例如：
1,"A towel,",1.0
42," it says, ",2.0
1337,is about the most ,-1
0,massively useful thing ,123
-2,an interstellar hitchhiker can have.,3
.csv
将CSV文件读入元组/字典列表或Pandas数据框之后，就可以简单地使用这种类型的数据。没有必要进行特定于CSV格式的操作。
对于您的应用程序，以下可能很重要：
另请参阅：数据序列化格式比较
如果您更愿意寻找一种创建配置文件的方法，可以阅读我的简短文章：Python中的配置文件
csv 解决方案（现在与我对其他文件格式如 YAML 和 JSON 的答案的结构一致）。 - Martin Thomapandas 包的时间可能比运行完整的纯 Python 解决方案更长。在我的情况下，阈值约为 50 MB。 - Stefan Schmidt如果你正在处理 CSV 数据，想找一个比 pandas 更小巧的解决方案，可以试试我的包 littletable。它可以使用 pip 安装，或者将单个 .py 文件与你自己的代码一起放置，因此非常适合无服务器应用程序。
读取 CSV 数据只需调用 csv_import 即可：
data = """\
1,"A towel,",1.0
42," it says, ",2.0
1337,is about the most ,-1
0,massively useful thing ,123
-2,an interstellar hitchhiker can have.,3"""
import littletable as lt
tbl = lt.Table().csv_import(data, fieldnames="number1,words,number2".split(','))
tbl.present()
输出：
Number1 Words Number2
──────────────────────────────────────────────────────────
1 A towel, 1.0
42 it says, 2.0
1337 is about the most -1
0 massively useful thing 123
-2 an interstellar hitchhiker can have. 3
(littletable使用rich模块来呈现表格。)
littletable不会自动尝试转换数字数据，因此需要为数字列提供数字转换函数。
def get_numeric(s):
try:
return int(s)
except ValueError:
try:
return float(s)
except ValueError:
return s
tbl = lt.Table().csv_import(
data,
fieldnames="number1,words,number2".split(','),
transforms={}.fromkeys("number1 number2".split(), get_numeric)
)
tbl.present()
这将给出：
Number1 Words Number2
──────────────────────────────────────────────────────────
1 A towel, 1.0
42 it says, 2.0
1337 is about the most -1
0 massively useful thing 123
-2 an interstellar hitchhiker can have. 3
数字列是右对齐而不是左对齐。
littletable 还具有其他 ORM-ish 特性，例如索引、连接、透视和全文搜索。这里是一个关于数字列的统计表：
tbl.stats("number1 number2".split()).present()
Name Mean Min Max Variance Std_Dev Count Missing
────────────────────────────────────────────────────────────────────────────────
number1 275.6 -2 1337 352390.3 593.6247130974249 5 0
number2 25.6 -1 123 2966.8 54.468339427597755 5 0
或者转置：
tbl.stats("number1 number2".split(), by_field=False).present()
Stat Number1 Number2
───────────────────────────────────────────────────
mean 275.6 25.6
min -2 -1
max 1337 123
variance 352390.3 2966.8
std_dev 593.6247130974249 54.468339427597755
count 5 5
missing 0 0
还可以输出其他格式，例如Markdown：
print(tbl.stats("number1 number2".split(), by_field=False).as_markdown())
| stat | number1 | number2 |
|---|---:|---:|
| mean | 275.6 | 25.6 |
| min | -2 | -1 |
| max | 1337 | 123 |
| variance | 352390.3 | 2966.8 |
| std_dev | 593.6247130974249 | 54.468339427597755 |
| count | 5 | 5 |
| missing | 0 | 0 |
这将从Markdown呈现为
| stat | number1 | number2 |
|---|---|---|
| mean | 275.6 | 25.6 |
| min | -2 | -1 |
| max | 1337 | 123 |
| variance | 352390.3 | 2966.8 |
| std_dev | 593.6247130974249 | 54.468339427597755 |
| count | 5 | 5 |
| missing | 0 | 0 |
tbl.create_search_index("words")
for match in tbl.search.words("hitchhiker"):
print(match)
输出：
namespace(number1=-2, words='an interstellar hitchhiker can have.', number2=3)
如果需要，可以不使用csv模块读取csv文件：
rows = []
with open('test.csv') as f:
for line in f:
# strip whitespace
line = line.strip()
# separate the columns
line = line.split(',')
# save the line for use later
rows.append(line)
dict(zip(headers, line))，以获得一个漂亮的标记数据集合。 - PaulMcG首先需要导入csv模块。
例如：
import csv
with open('eggs.csv', 'wb') as csvfile:
spamwriter = csv.writer(csvfile, delimiter=' ',
quotechar='|', quoting=csv.QUOTE_MINIMAL)
spamwriter.writerow(['Spam'] * 5 + ['Baked Beans'])
spamwriter.writerow(['Spam', 'Lovely Spam', 'Wonderful Spam'])
import csv
with open(fileLocation+'example.csv',newline='') as File: #the csv file is stored in a File object
reader=csv.reader(File) #csv.reader is used to read a file
for row in reader:
print(row)
use pd.read_csv("D:\\sample.csv")
using only python :
fopen=open("D:\\sample.csv","r")
print(fopen.read())
创建并写入CSV文件
下面的示例演示了如何创建并写入CSV文件。为了创建一个动态文件编写器，我们需要导入csv包，然后需要使用文件引用创建文件实例，例如：
with open("D:\sample.csv","w",newline="") as file_writer
如果在指定的文件目录中不存在该文件，则Python将在指定的目录中创建一个相同的文件，w表示写入，如果要读取文件，则将w替换为r或者追加到现有文件中则使用a。
newline = ""指定每次创建行时删除额外的空行，因此我们使用newline = ""来消除空行，可以使用列表创建一些字段名称（列名），例如：
fields=["Names","Age","Class"]
然后像这样应用于writer实例：
writer=csv.DictWriter(file_writer,fieldnames=fields)
在这里使用字典编写器并分配列名，要将列名写入csv文件中，我们使用writer.writeheader()，要写入值，我们使用writer.writerow({"Names":"John","Age":20,"Class":"12A"})，在编写文件值时必须使用字典方法传递值，其中键是列名，值是相应的键值。
导入csv：
with open("D:\sample.csv","w",newline="") as file_writer:
fields=["Names","Age","Class"]
writer=csv.DictWriter(file_writer,fieldnames=fields)
writer.writeheader()
writer.writerow({"Names":"John","Age":21,"Class":"12A"})
newline=""的理解是错误的。 - martineau我写了一个类似的问题。为了让所有内容都在一个地方，这里是我的两分钱，提供一个非常快速和简单的解决方案。
这段代码旨在从一个CSV文件中读取并写入另一个CSV文件。输出行的格式是固定的，我本可以使用csv.write和正确的分隔符，但在这种情况下，我需要额外的工作来指定空白。但是，使用老式的print()函数输出文本的方法很好用：
#! /usr/bin/env python3
def main():
parser = argparse.ArgumentParser(
description='',
usage="""myparser [-h] print this help and exit
""",
formatter_class=argparse.ArgumentDefaultsHelpFormatter
)
parser.add_argument('-f', '--file',help='CSV input file', required=True)
args = parser.parse_args()
with open("output.file", "w") as outfile:
with open(args.file) as csvfile:
csv_reader = csv.reader(csvfile, delimiter=',')
line_count = 0
for row in csv_reader:
if line_count == 0:
line_count += 1
elif args.archive:
print(f'no:{row[0]}:{row[1]}::0:0:0:/bin/bash:0:0:{row[2]}:{row[3]}:{row[4]}:archive', file=outfile)
line_count += 1
return sys.exit(EXIT_SUCCESS)
if __name__ == '__main__':
main()
对于缩进不好意思。
这段代码打开一个CSV文件进行读取，并使用print()函数编写格式化字符串，看起来像：
no:Xoero:ToelAs:xtoelas:0:0:0:/bin/bash:0:0:y.r.j.pols@tue.nl:00311234567890:nl:archive