在数据分析、数据挖掘和机器学习等领域，CSV文件是一种非常常见的文件格式。Python作为一种广泛使用的编程语言，也提供了方便易用的CSV读取库。本文将介绍如何使用Python读取CSV数据。
1. 安装CSV库
Python的官方CSV库名为csv，它已经随Python安装包一起发布。在使用之前，我们需要先导入这个库。
import csv在一些特殊情况下，我们可能需要使用第三方的CSV库，比如pandas库、numpy库等。这些库都拥有更多的功能和更为灵活的操作方式。
2. 读取CSV文件
接下来我们要读取一个CSV文件。假设我们有一个叫做data.csv的文件，里面包含了一些学生成绩的信息。文件的内容如下：
name,math_score,english_score
Alice,90,80
Bob,75,85
Charlie,80,90
Daisy,95,95
代码示例：
with open('data.csv', newline='', encoding='utf-8') as csvfile:
reader = csv.reader(csvfile)
for row in reader:
print(row)运行结果：
['name', 'math_score', 'english_score']
['Alice', '90', '80']
['Bob', '75', '85']
['Charlie', '80', '90']
['Daisy', '95', '95']代码解释：
- 我们使用了Python内置的with语句打开了一个名为data.csv的文件，并指定编码方式为utf-8。
- 接下来，我们使用csv.reader()函数创建了一个reader对象。
- 我们通过一个for循环，逐行读取CSV文件中的内容，并打印每一行的内容。
3. 常用参数
在读取CSV文件时，csv.reader()函数有许多可选参数，供我们自定义读取的方式和规则
- delimiter：指定CSV文件中的分隔符，默认为逗号（,）
- quotechar：指定CSV文件中的引号字符，默认为双引号（”）
- lineterminator：指定CSV文件中的行结束符，默认为’\r\n’
- skipinitialspace：指定是否忽略每个字段前面的空格，默认为False
代码示例：
with open('data.csv', newline='', encoding='utf-8') as csvfile:
reader = csv.reader(csvfile, delimiter='\t')
for row in reader:
print(row)运行结果：
['name,math_score,english_score']
['Alice,90,80']
['Bob,75,85']
['Charlie,80,90']
['Daisy,95,95']代码解释：
- 我们在csv.reader()函数中指定了delimiter参数为制表符（’\t’）
- Csv.reader()函数便会将文件内容按制表符为分隔符进行读取。
4. 操作CSV数据
读取CSV文件只是我们使用CSV库的一个方面，我们还能够进行数据的增删改查等各种操作。虽然csv库内置的操作比较简单，但是通过一些手动操作，我们依然能够实现一些很有趣的功能。
代码示例：
with open('data.csv', 'r', encoding='utf-8') as csvfile:
rows = list(csv.reader(csvfile))
# 在最后一行增加一条记录
rows.append(['Ella', '85', '95'])
# 更新第二行的数据
rows[1][2] = '90'
# 删除第三行
del rows[2]
# 将修改后的数据保存至新文件
with open('new_data.csv', 'w', newline='', encoding='utf-8') as csvfile:
writer = csv.writer(csvfile)
writer.writerows(rows)- 我们读取了原始的CSV数据，并将其存储在rows列表中。
- 我们使用列表的append()函数在第4行末尾添加了一条新记录（[‘Ella’, ’85’, ’95’]）。
- 我们使用列表的索引和下标来修改第二行的数据（’Bob’的英文成绩由85改为90）。
- 我们使用del语句删除了第三行数据（Charlie的成绩记录）。
- 最后，我们使用csv.writer()函数，将修改之后的数据写入一个新的CSV文件new_data.csv中。
5. 总结
使用csv库读取和操作CSV文件非常简单，但是一旦进行了一些稍微复杂的操作，就会遇到一些问题。这时候可以考虑使用pandas库来进行数据的读取和处理。pandas库在数据的读取、过滤、分组、转换等方面都提供了非常方便的工具。
原创文章，作者：RZNYC，如若转载，请注明出处：https://www.506064.com/n/375348.html
微信扫一扫 
支付宝扫一扫 