• Python之CSV模块


    1. CSV简介

           CSV(Comma Separated Values)是逗号分隔符文本格式,常用于Excel和数据库的导入和导出,Python标准库的CSV模块提供了读取和写入CSV格式文件的对象。

    1.1 csv.reader对象和csv文件的读取

          csv.reader(csvfile,dialect='excel',**fmtparams),主要用于文件的读取,返回一个reader对象用于在csv文件内容上进行行迭代。

         参数csvfile是文件对象或者list对象;dialect 用于指定csv的格式模式不同程序输出的csv格式有细微差别;fmtparams是一系列参数列表,主要用于设置特定的格式,以覆盖dialect中的格式。

          csv.reader对象是可迭代对象,包含以下属性:

    1. csv.reader().dialect    #返回其dialect
    2. csv.reader().line_num   #f返回读入的行数

            示例1:使用reader对象读取csv文件scores.csv,文件内容如下:

      学号,姓名,性别,班级,语文,数学,英语
      100001,小雨,女,1班,72,85,87
      100002,小雪,女,2班,67,87,77
      100003,小宇,男,3班,88,78,78
      100004,小天,男,1班,76,87,84
      100005,小军,男,3班,79,86,83

    #_*_coding=utf-8
    import csv
    def readcsv(csvfilepath):#列表方式读取
        with open(csvfilepath, 'r', newline='',encoding='utf-8') as csvfile:
            reader = csv.reader(csvfile)#创建csv.reader对象
            for row in reader:
                # 读取出的内容是列表格式的
                print(row)
            print(reader.line_num)
    if __name__=='__main__':
        readcsv(r'E:2018-12-19scores.csv')
        #输出
        # ['学号', '姓名', '性别', '班级', '语文', '数学', '英语']
        # ['100001', '小雨', '女', '1班', '72', '85', '87']
        # ['100002', '小雪', '女', '2班', '67', '87', '77']
        #....(略)
        # 6
    reader对象

     1.2 csv.writer对象和csv文件的写入

      csv.writer(csvfile,dialect='excel',**fmtparams),主要用于把列表数据写入到csv文件。

      其中参数csvfile是任何支持write()方法的对象,通常为文件对象;dialect 和fmtparams与csv.reader对象构造函数中的参数意义相同。

      csv.writer对象包含以下属性和方法:

    1. writer.writerow(row)          #方法,写入一行数据
    2. writer.writerows                     #方法,写入多行数据
    3. writer.dialect                     #只读属性,返回其dialect

      示例2:  使用writer对象写入csv文件

    import csv
    def writecsv(csvfilepath):#列表方式写入
        rows=[(100006,'小江','','1班','77','79','80'),(100007,'小美','','4班','77','88','80')]
        with open(csvfilepath,'a+',newline='')as csvfile:
            writer = csv.writer(csvfile,dialect='excel')
            writer.writerows(rows)#写入多行
            print(writer.dialect)
    
    
    if __name__=='__main__':
       
        writecsv(r'E:2018-12-19scores.csv')
    writer对象

     1.3 csv.DictReader对象和csv文件的读取

      使用csv.reader对象从csv文件读取数据,结果为列表对象row,需要通过索引row[i]访问。如果希望通过csv文件的首行标题字段名访问,则可以使用csv.DictReader对象读取。

           csv.DictReader(csvfile,fieldnames=None,restkey=None,restval=None,dialect='excel',*args,**kwds)

      其中,csvfile是文件对象或list对象;fieldnames用于指定字段名,如果没有指定,则第一行为字段名;restkey和restval用于指定字段名和数据个数不一致时所对应的字段名或数据值,其他参数同reader对象。

      DictReader对象属性和方法: 

      # 方法:
      csv.DictReader().__next__()# 称之为next(reader)
      # 属性:
      csvreader.dialect          # 解析器使用的方言的只读描述。
      csvreader.line_num      #返回读入的行数
      csvreader.fieldnames   #返回标题字段名

      示例3 :使用DictReader对象读取csv文件

    import csv
    def  readcsv2(csvfilepath):
        with open(csvfilepath,newline='') as f:
            f_csv = csv.DictReader(f)
            for row in f_csv:
                print(row['姓名'],row['班级'])
            # print('fieldnames:',f_csv.fieldnames)
            # print('dialect:',f_csv.dialect)
            # print('line_num:',f_csv.line_num)
    
    if __name__=='__main__':
        readcsv2(r'E:2018-12-19scores.csv')
    DictReader对象

     1.4 csv.DictWriter对象和csv文件的写入

      csv.DictWriter(csvfile,fieldnames,restval = '',extrasaction = 'raise',dialect = 'excel',*args,**kwds)

       extrasaction用于指定多余字段时的操作,其他参数同上。

      DictWriter对象的属性和方法:

           # 方法:
      csvwriter.writerow(row)               # 将row写入writer的文件对象,根据当前方言进行格式化。支持迭代
      csvwriter.writerows(rows)           # 将行中的所有元素写入编写器的文件对象,并根据当前方言进行格式化。支持迭代
      DictWriter.writeheader()              # 写入标题字段名
      # 属性:
      csvwriter.dialect # 使用的方言只读描述
      示例4 :使用DictWriter对象写入csv文件

    import csv
    def writecsv2(csvfilepath):
        headers = ['学号','姓名','性别','班级','语文','数学','英语']
        rows = [{'学号':'100001','姓名':'小鱼','性别':'','班级':'1班','语文':'72','数学':'82','英语':'85'},
                {'学号':'100002','姓名':'小高','性别':'','班级':'6班','语文': '74', '数学': '88', '英语': '85'}
                ]
        with open(csvfilepath,'a+',newline='') as f:
            f_csv = csv.DictWriter(f,headers)
            f_csv.writerows(rows)
    if __name__=='__main__':
        
       writecsv2(r'E:2018-12-19scores.csv')
    DictWriter对象

     1.5 csv文件格式化参数和Dialect对象

      1.5.1 csv 文件格式化参数

      创建reader/writer对象时,可以指定csv文件格式化命名参数。

      参数说明:
      delimiter  用于分隔字段的分隔符。默认为","
      lineterminator  用于写操作的行结束符,默认为“' ' 。读操作将忽略此选项,它能认出跨平台的行结束符
      quotechar  用于带有特殊字符(如分隔符)的字段的引用符号。默认为' " '
      quoting  引用约定。可选值包括

          csv.QUOTE _ ALL (引用用所有字段)
          csv.QUOTE_MINIMAL(引用如分隔符之类特殊字符的字段)默认
          csv.QUOTE_NONNUMERIC (非数字字段)
          csv.QUOTE_NON (不引用)
      skipinitialspace  忽略分隔符后面的空白符。默认为False
      doublequote  如何处理字段内的引用符号。如果为True ,字符串中的双引号使用" "表示;如果为False,使用转义字符escapechar指定的字符
      escapechar 用于对分隔符进行转义的字符串

      strict 如果为True,读入错误格式的CSV行时将导致csv.Error;默认值为False

      示例5 :csv文件格式化参数示例

    import csv
    def writecsv3(csvfilepath):
        headers = ['学号','姓名','性别','班级','语文','数学','英语']
        rows = [{'学号':'100010','姓名':'小南','性别':'','班级':'1班','语文':'70','数学':'89','英语':'85'},
                {'学号':'100011','姓名':'小风','性别':'','班级':'6班','语文': '79', '数学': '89', '英语': '85'}
                ]
        with open(csvfilepath,'a+',newline='') as f:
            f_csv = csv.DictWriter(f,headers,delimiter = '',quoting = csv.QUOTE_ALL)
            f_csv.writerows(rows)
    if __name__=='__main__':
       
       writecsv3(r'E:2018-12-19scores.csv')
    csv文件格式化

      1.5.2 Dialect 对象

      若干格式化参数可以组成Dialect对象,Dialect对象包含对应于命名格式化参数的属性。可以创建 Dialect或其派生类的对象,然后传递给reader或writer的构造函数

      可以使用下列csv模块的函数,创建Dialect对象。

      csv.register_dialect(name[,dialect],**fmtparams):使用命名参数,注册一个名称。

      csv.unregister_dialect(name):取消注册的名称。

      csv.get_dialect(name):获取注册的名称的Dialect对象,无注册时csv.Error。

      csv.list_dialects():所有注册Dialect对象的列表。

           另外可以使用csv模块函数,获取和设置字段的长度限制:csv.filed_size_limit([new_linit])

      示例6:Dialect对象示例

    import csv
    def writecsv4(csvfilepath):
        csv.register_dialect('mydialect',delimiter = '*',quoting = csv.QUOTE_ALL)
        headers = ['学号','姓名','性别','班级','语文','数学','英语']
        rows = [{'学号':'100013','姓名':'小北','性别':'','班级':'1班','语文':'70','数学':'80','英语':'85'},
                {'学号':'100014','姓名':'小琴','性别':'','班级':'6班','语文': '77', '数学': '89', '英语': '85'}
                ]
        with open(csvfilepath,'a+',newline='') as f:
            f_csv = csv.DictWriter(f,headers,dialect='mydialect')
            f_csv.writerows(rows)
    if __name__=='__main__':
       
       writecsv4(r'E:2018-12-19scores.csv')
    dialect对象

     2. 使用pandas处理大型csv文件

     2.1 pandas简介

    Pandas 即Python Data Analysis Library,是为了解决数据分析而创建的第三方工具,它不仅提供了丰富的数据模型,而且支持多种文件格式处理,包括CSV、HDF5、HTML 等,能够提供高效的大型数据处理。其支持的两种数据结构——Series 和DataFrame——是数据处
    理的基础。下面先来介绍这两种数据结构。
    Series:它是一种类似数组的带索引的一维数据结构,支持的类型与NumPy兼容。如果不指定索引,默认为0到N-1。通过obj.values() 和obj.index() 可以分别获取值和索引。当给Series 传递一个字典的时候,Series 的索引将根据字典中的键排序。如果传入字典的时候同时重新指定了index 参数,当index 与字典中的键不匹配的时候,会出现时数据丢失的情况,标记为NaN。在pandas 中用函数isnull() 和notnull() 来检测数据是否丢失。
    import pandas
    
    >>> obj1 = Series([1, 'a', (1,2), 3], index=['a', 'b', 'c', 'd'])
    >>> obj1#value 和index 一一匹配
    a 1
    b a
    c (1, 2)
    d 3
    dtype: object
    >>> obj2=Series({"Book":"Python","Author":"Dan","ISBN":"011334","Price":25},index=['book','Author','ISBM','Price'])
    >>> obj2.isnull()
    book True # 指定的index 与字典的键不匹配,发生数据丢失
    Author False
    ISBM True # 指定的index 与字典的键不匹配,发生数据丢失
    Price False
    dtype: bool
    View Code
    DataFrame :类似于电子表格,其数据为排好序的数据列的集合,每一列都可以是不同的数据类型,它类似于一个二维数据结构,支持行和列的索引。和Series 一样,索引会自动分配并且能根据指定的列进行排序。使用最多的方式是通过一个长度相等的列表的字典来构建。构建一个DataFrame 最常用的方式是用一个相等长度
    列表的字典或NumPy 数组。DataFrame 也可以通过columns 指定序列的顺序进行排序。
    data = {'OrderDate': ['1-6-10', '1-23-10', '2-9-10', '2-26-10', '3-15-10'],
    ... 'Region': ['East', 'Central', 'Central', 'West', 'East'],
    ... 'Rep': ['Jones', 'Kivell', 'Jardine', 'Gill', 'Sorv ino']}
    >>>
    >>> DataFrame(data,columns=['OrderDate','Region','Rep'])# 通过字典构建,按照cloumns指定的顺序排序
    OrderDate Region Rep
    0 1-6-10 East Jones
    1 1-23-10 Central Kivell
    2 2-9-10 Central Jardine
    3 2-26-10 West Gill
    4 3-15-10 East Sorvino
    View Code
    2.2 pandas处理csv文件

    Pandas中处理CSV文件的函数主要为read_csv()和to_csv()这两个,其中read_csv()读取CSV文件的内容并返回DataFrame,to_csv() 则是其逆过程。
    1)读取指定行和列的数据
    具体的实现代码如下: df = pd.read_csv("SampleData.csv",nrows=5,usecols=['OrderDate','Item','Total']) 方法read_csv()的参数nrows 指定读取文件的行数,usecols 指定所要读取的列的列名,如果没有列名,可直接使用索引0、1、...、n-1。上述两个参数对大文件处理非常有用,可以避免读入整个文件而只选取所需要部分进行读取。
    import pandas as pd
    def  readcsv3(csvfilepath):
        df = pd.read_csv(csvfilepath, nrows=3, usecols=['学号', '姓名','班级'],encoding='gbk')
        print(df)
    
    if __name__=='__main__':
        readcsv3(r'E:2018-12-19scores.csv')
       #输出 
       #           学号   姓名  班级
       #   0  100001  小雨  1班
       #   1  100002  小雪  2班
       #   2  100003  小宇  3班
    读取指定行和列

    如果出现错误提示:UnicodeDecodeError: 'ascii' codec can't decode byte 0xb8

    原因:含有中文字符,将encoding设置为gbk

    2)设置CSV文件与excel兼容
    将scores.csv文件内容修改如下:
    学号,姓名,性别,班级,语文,数学,英语
    100001,小雨,女,1班,72,85,87
    100002,小雪,女,2班,67,87,77
    100003,小宇,小白,男,3班,88,78,78
    100004,小天,男,1班,76,87,84
    100005,小军,男,3班,79,86,83
    100006,小江,男,1班,77,79,80,44
    100007,小美,女,4班,77,88,80,44
    100001,小鱼,男,1班,72,82,85,33
    100002,小高,女,6班,74,88,85,77
    Scores.csv
    下面的代码用于设置CSV 文件与excel 兼容,error_bad_lines=False 会直接忽略不符合要求的记录。
    import pandas as pd
    def  readcsv4(csvfilepath):
        dia = csv.excel()
        df = pd.read_csv(csvfilepath, dialect=dia, error_bad_lines=False,encoding='gbk')
        print(df)
    
    if __name__=='__main__':
        readcsv4(r'E:2018-12-19scores.csv')
       #输出
       #      学号  姓名 性别  班级  语文  数学  英语
       # 0  100001  小雨  女   1班   72    85    87
       # 1  100002  小雪  女   2班   67    87    77
       # 2  100004  小天  男  1班    76    87    84
       # 3  100005  小军  男  3班    79    86    83
    View Code
    3)对文件进行分块处理并返回一个可迭代的对象
    分块处理可以避免将所有的文件载入内存,仅在使用的时候读入所需内容。参数chunksize设置分块的文件行数,2表示每一块包含2个记录。将参数iterator 设置为True时,返回值为TextFileReader,它是一个可迭代对象。
    来看下面的例子,当chunksize=2、iterator=True 时,每次输出为包含2个记录的块。
    import pandas as pd
    def  readcsv5(csvfilepath):
        df = pd.read_csv(csvfilepath,encoding='gbk',chunksize=2,iterator=True)
        print(df)#<pandas.io.parsers.TextFileReader object at 0x00000293FA870320>
        print(iter(df).__next__())
    
    if __name__=='__main__':
        readcsv5(r'E:2018-12-19scores.csv')
       #输出
       #      学号  姓名 性别  班级  语文  数学  英语
       # 0  100001  小雨  女   1班   72    85    87
       # 1  100002  小雪  女   2班   67    87    77
    View Code
    
    
    >>>>>待续
  • 相关阅读:
    游戏 猜拳游戏
    python的变量 以及操作系统
    python的异常处理
    python 三元运算
    python random 的用法
    python基础
    Round #417 A. Sagheer and Crossroads(Div.2)
    Round #416 B. Vladik and Complicated Book(Div.2)
    Round #416 A. Vladik and Courtesy(Div.2)
    Educational Round 26 D. Round Subset
  • 原文地址:https://www.cnblogs.com/wuxunyan/p/10442444.html
Copyright © 2020-2023  润新知