pythoncsv教程
⑴ 怎麼用python讀取csv數據
這兩天剛好看到，Python CookBook上有說到。這里是三種讀取csv的方法。
文件格式是這樣的
Region,DATE_,RAW_ACU
zh_ch,Jan 27 2017,208172
importcsv
#withopen('data.csv')asf:
#f_csv=csv.reader(f)
#headers=next(f_csv)
#forrowinf_csv:
##print(row)
#print(row[0],row[1])
#withopen('data.csv',encoding='utf-8-sig')asf:
#f_csv=csv.reader(f)
#headers=next(f_csv)
#print(headers)
#Row=namedtuple('Row',headers)
#forrinf_csv:
#row=Row(*r)
#print(row.Region,row.DATE_)
withopen('data.csv',encoding='utf-8-sig')asf:
f_csv=csv.DictReader(f)
forrowinf_csv:
print(row['DATE_'],row)
具體可以看這個文檔。http://python3-cookbook.readthedocs.io/zh_CN/latest/c06/p01_read_write_csv_data.html。
⑵ python怎麼讀取csv文件
這兩天剛好看到，Python CookBook上有說到。這里是三種讀取csv的方法。
文件格式是這樣的
Region,DATE_,RAW_ACU
zh_ch,Jan 27 2017,208172
importcsv
#withopen('data.csv')asf:
#f_csv=csv.reader(f)
#headers=next(f_csv)
#forrowinf_csv:
##print(row)
#print(row[0],row[1])
#withopen('data.csv',encoding='utf-8-sig')asf:
#f_csv=csv.reader(f)
#headers=next(f_csv)
#print(headers)
#Row=namedtuple('Row',headers)
#forrinf_csv:
#row=Row(*r)
#print(row.Region,row.DATE_)
withopen('data.csv',encoding='utf-8-sig')asf:
f_csv=csv.DictReader(f)
forrowinf_csv:
print(row['DATE_'],row)
具體可以看這個文檔。http://python3-cookbook.readthedocs.io/zh_CN/latest/c06/p01_read_write_csv_data.html。
⑶ Python+Pandas入門2——導出csv
1、to_csv()
1、path_or_buf =None： string or file handle, default None
File path or object, if None is provided the result is returned as a string.
字元串或文件句柄，默認無文件
路徑或對象，如果沒有提供，結果將返回為字元串。
2、sep : character, default 『,』
Field delimiter for the output file.
默認字元 『 ，』
輸出文件的欄位分隔符。
3、na_rep : string, default 『』
Missing data representation
字元串，默認為 『』
浮點數格式字元串
4、float_format : string, default None
Format string for floating point numbers
字元串，默認為 None
浮點數格式字元串
5、columns : sequence, optional Columns to write
順序，可選列寫入
6、header : boolean or list of string, default True
Write out the column names. If a list of strings is given it is assumed to be aliases for the column names
字元串或布爾列表，默認為true
寫出列名。如果給定字元串列表，則假定為列名的別名。
7、index : boolean, default True
Write row names (index)
布爾值，默認為Ture
寫入行名稱（索引）
8、index_label : string or sequence, or False, default None
*Column label for index column(s) if desired. If None is given, and header and index are True, then the index names are used. A sequence should be given if the DataFrame uses MultiIndex. If False do not print fields for index names. Use index_label=False for easier importing in R
字元串或序列，或False,默認為None
如果需要，可以使用索引列的列標簽。如果沒有給出，且標題和索引為True，則使用索引名稱。如果數據文件使用多索引，則應該使用這個序列。如果值為False，不列印索引欄位。在R中使用 index_label=False 更容易導入索引.
9、encoding : string, optional
編碼：字元串，可選
表示在輸出文件中使用的編碼的字元串，Python 2上默認為「ASCII」和Python 3上默認為「UTF-8」。
10、compression : string, optional
字元串，可選項
表示在輸出文件中使用的壓縮的字元串，允許值為「gzip」、「bz2」、「xz」，僅在第一個參數是文件名時使用。
11、line_terminator : string, default 『
』
字元串，默認為 『
』
在輸出文件中使用的換行字元或字元序列
12、quoting : optional constant from csv mole
*CSV模塊的可選常量
輸出是否用引號，默認參數值為0，表示不加雙引號，參數值為1，則每個欄位都會加上引號，數值也會被當作字元串看待
13、quotechar : string (length 1), default 『」』
*字元串（長度1），默認"
當quoting=1可以指定引號字元為雙引號"或單引號'
14、doublequote : boolean, default True
布爾，默認為Ture
控制一個欄位內的quotechar
15、escapechar : string (length 1), default None
字元串（長度為1），默認為None
在適當的時候用來轉義sep和quotechar的字元
16、chunksize : int or None
int或None
一次寫入行
17、tupleize_cols : boolean, default False
布爾值 ，默認為False
從版本0.21.0中刪除：此參數將被刪除，並且總是將多索引的每行寫入CSV文件中的單獨行
（如果值為false）將多索引列作為元組列表（如果TRUE）或以新的、擴展的格式寫入，其中每個多索引列是CSV中的一行。
18、date_format : string, default None
字元串，默認為None
字元串對象轉換為日期時間對象
19、decimal : string, default 『.』
字元串，默認』。』
字元識別為小數點分隔符。例如。歐洲數據使用 』，』
20、mode : str
模式：值為『str』，字元串
Python寫模式，默認「w」
⑷ Python之csv模塊
csv文件具有格式簡單，快速存取，兼容性好等特點，工程、金融、商業等很多數據文件都是採用csv文件保存和處理。工作中數據處理也用到了csv，簡要總結下使用經驗，特別是那些由於本地兼容性導致的與官方文檔的差異使用。
csv（comma Seperated Values）文件的格式非常簡單，類似一個文本文檔，每一行保存一條數據，同一行中的各個數據通常採用逗號（或tab）分隔。
python自帶了csv模塊，專門用於處理csv文件的讀取和存檔。
csv模塊中，主要由兩種方式存取csv文件：函數方法；類方法。
csv.reader(csvfile，dialect ='excel'，** fmtparams)
返回一個reader對象，它將迭代給定csvfile中的行。
csvfile可以是任何支持迭代器協議的對象，並在每次next()調用其方法時返回一個字元串- 文件對象和列表對象都是合適的。如果csvfile是一個文件對象，那麼它必須在平台上以「b」標志打開，這會產生影響。可以給出可選的 dialect 參數，該參數用於定義特定於CSV方言的一組參數。它可以是類的子類的實例，也可以是函數Dialect返回的字元串之一 list_dialects()。其他可選的fmtparams可以給出關鍵字參數來覆蓋當前方言中的各個格式參數。
csv.writer(csvfile，dialect ='excel'，** fmtparams)
返回一個編寫器對象，負責將用戶的數據轉換為給定的類文件對象上的分隔字元串。
csvfile可以是帶有write()方法的任何對象 。如果csvfile是一個文件對象，那麼它必須在平台上以「b」標志打開，這會產生影響。 可以給出可選的dialect參數，該參數用於定義特定於CSV方言的一組參數。它可以是類的子類的實例，也可以是函數Dialect返回的字元串之一 list_dialects()。可以給出其他可選的fmtparams關鍵字參數來覆蓋當前dialect中的各個格式參數。
class csv.DictReader(f，fieldnames = None，restkey = None，restval = None，dialect ='excel'，* args，** kwds)
創建一個像常規閱讀器一樣操作的對象，但將讀取的信息映射到一個dict，其鍵由可選的 fieldnames 參數給出。 欄位名 的參數是一個序列，其元素與輸入數據的順序中的欄位相關聯。這些元素成為結果字典的關鍵。如果省略 fieldnames 參數，則文件 f 的第一行中的 值 將用作欄位名。如果讀取的行包含的欄位多於欄位名序列，則將剩餘數據添加 為由restkey 值鍵入的序列。如果讀取的行的欄位數少於欄位名序列，則其餘的鍵將採用可選的 restval 參數的值。任何其他可選或關鍵字參數都將傳遞給基礎 reader 實例。
class csv.DictWriter(f，fieldnames，restval =''，extrasaction ='raise'，dialect ='excel'，* args，** kwds)
創建一個像常規編寫器一樣操作的對象，但將字典映射到輸出行。的欄位名的參數是一個序列識別在哪些值在傳遞給字典中的順序按鍵的writerow()方法被寫入到文件˚F。如果字典缺少欄位名中的鍵，則可選的restval參數指定要寫入的值。如果傳遞給方法的字典包含在欄位名中找不到的鍵，則可選的extrasaction參數指示要採取的操作。如果設置為a 則被提升。如果設置為writerow()'raise'ValueError'ignore'，字典中的額外值將被忽略。任何其他可選或關鍵字參數都將傳遞給基礎 writer實例。
請注意，與DictReader類不同，它的fieldnames參數DictWriter不是可選的。由於Python的dict 對象沒有排序，因此沒有足夠的信息來推斷應該將行寫入文件f的順序。
⑸ python中怎麼讀取csv文件
Python讀取CSV文件方法如下：
如下是一個CVS文件
使用Python打開CSV可以直接使用open函數打開，然後使用reader函數讀取內容，實現代碼如下：
運行結果如下：
更多Python相關技術文章，請訪問Python教程欄目進行學習！以上就是小編分享的關於python中怎麼讀取csv文件的詳細內容希望對大家有所幫助，更多有關python教程請關注環球青藤其它相關文章！
⑹ python怎麼導入csv文件
python中有一個讀寫csv文件的包，直接import
csv即可。利用這個python包可以很方便對csv文件進行操作，一些簡單的用法如下。
讀文件
csv_reader
=
csv.reader(open('data.file',
encoding='utf-8'))
for
row
in
csv_reader:
print(row)
⑺ Python csv庫整理（部分）
近期,筆者到一些數據競賽網站進行觀察學習,發現很多數據是以csv文件處理的(廢話).因而,磨刀不誤砍柴工,筆者先對Python的csv庫進行學習.
csv模塊實現了CSV格式表單數據的讀寫.這可以以一個兼容Excel的方式讀寫其數據文件,csv模塊中的reader和writer類被用來讀寫序列化的數據.也可以使用DictReader類和DictWriter類以字典的方式讀取數據.
返回一個reader對象,該對象逐行遍歷csvfile(文件和列表均適用,但是文件的話應該newline=''.
默認每一行讀取一個字元串組成的列表(而非數值,除非修改QUOTE_NONUMERIC).
返回一個writer對象,負責將數據在給定的文件類對象上轉換成帶分隔符的字元串.csvfile(只要該對象有write()方法,文件的話應該newline=''.)
這兩個方法可以把name字元串和dialect關聯/脫鉤.dialect可以是Dialect的子類,或者fmtparams的關鍵字參數.
返回一個Dialect對象為name的變種,若其未注冊,拋出Error.
返回已經注冊的所有變種的 名稱
返回當前解析器允許的最大欄位大小,如果制定了參數,參數將成為新的最大欄位大小.
該對象操作上類似reader,但是把每行中的信息映射到一個字典,字典的鍵由fieldnames給出
fieldname的參數是一個序列sequence [1] ,如果參數預設,默認第一行的值作為欄位名.
如果某一行中的欄位多於欄位名(比如說約定有5項屬性,但是這一行卻出現了6個數據)，則其餘欄位將放入列表中，欄位名由 restkey 指定（默認為 None）。如果非空白行的欄位少於欄位名，則缺少的值將用 None 填充。
#其實這玩意應該就跟各種填表裡面的備注用法差不多.
3.8中返回的行是dict類型.
該對象操作上類似reader,但是把每行中的信息映射到一個字典,字典的鍵由fieldnames給出,fieldname參數是不可預設的.restval用來指定字典缺少鍵的時候要寫入的值.extrasaction用於指定關鍵鍵在fieldname中找不到的情況的處理機制.'raise'引發ValueError,而'ignore'則會被忽略.
這個類被用來瑞段csv文件的格式
以下諸類均在括弧中標注了在其變種注冊表中的名稱
定義了Excel生成的csv文件的常規屬性.('excel')
定義了Excel生成的,tab分割的csv文件的常規屬
性.('excel-tab')
定義了UNIX系統上生成的csv文件的常規屬性('unix'):
任意可能發生的csv庫函數錯誤.
參考鏈接
Python3.8.2文檔中關於csv庫的相關文檔
⑻ 如何用python 讀寫 csv
csv文件就是按逗號分隔的文本, 可以用python自帶的讀取文本的方式, 不過我推薦用pandas包, 讀寫都很方便
#coding=utf-8
#傳統方式
#讀
f1=open('1.csv','r').readlines()
result=map(lambdax:x.strip().split(','),f)
#寫
f2=open('1.csv','w')
f2.write('whatyouwanttowrite')
#pandas方法
importpandasaspd
#讀
result=pd.read_csv('1.csv')#result被轉化為DataFrame對象
#寫
#寫的時候可以操作result這個DataFrame對象,類似excel的表格,十分方便
result[0,0]=1
result.to_csv('2.csv')#將修改後的DataFrame保存為一個新的csv或者你想替換1.csv也可以
粗略介紹了一點, 如果有不懂的, 請追問.
⑼ python 讀取CSV 文件
讀取一個CSV 文件
最全的
一個簡化版本
filepath_or_buffer : str，pathlib。str, pathlib.Path, py._path.local.LocalPath or any object with a read() method (such as a file handle or StringIO)
可以是URL，可用URL類型包括：http, ftp, s3和文件。對於多文件正在准備中
本地文件讀取實例：://localhost/path/to/table.csv
**sep **: str, default 『,』
指定分隔符。如果不指定參數，則會嘗試使用逗號分隔。分隔符長於一個字元並且不是『s+』,將使用python的語法分析器。並且忽略數據中的逗號。正則表達式例子：' '
**delimiter **: str, default None
定界符，備選分隔符（如果指定該參數，則sep參數失效）
delim_whitespace : boolean, default False.
指定空格(例如』 『或者』 『)是否作為分隔符使用，等效於設定sep='s+'。如果這個參數設定為Ture那麼delimiter 參數失效。
在新版本0.18.1支持
header : int or list of ints, default 『infer』
指定行數用來作為列名，數據開始行數。如果文件中沒有列名，則默認為0，否則設置為None。如果明確設定header=0 就會替換掉原來存在列名。header參數可以是一個list例如：[0,1,3]，這個list表示將文件中的這些行作為列標題（意味著每一列有多個標題），介於中間的行將被忽略掉。
注意：如果skip_blank_lines=True 那麼header參數忽略注釋行和空行，所以header=0表示第一行數據而不是文件的第一行。
**names **: array-like, default None
用於結果的列名列表，如果數據文件中沒有列標題行，就需要執行header=None。默認列表中不能出現重復，除非設定參數mangle_pe_cols=True。
index_col : int or sequence or False, default None
用作行索引的列編號或者列名，如果給定一個序列則有多個行索引。
如果文件不規則，行尾有分隔符，則可以設定index_col=False 來是的pandas不適用第一列作為行索引。
usecols : array-like, default None
返回一個數據子集，該列表中的值必須可以對應到文件中的位置（數字可以對應到指定的列）或者是字元傳為文件中的列名。例如：usecols有效參數可能是 [0,1,2]或者是 [『foo』, 『bar』, 『baz』]。使用這個參數可以加快載入速度並降低內存消耗。
as_recarray : boolean, default False
不贊成使用：該參數會在未來版本移除。請使用pd.read_csv(...).to_records()替代。
返回一個Numpy的recarray來替代DataFrame。如果該參數設定為True。將會優先squeeze參數使用。並且行索引將不再可用，索引列也將被忽略。
**squeeze **: boolean, default False
如果文件值包含一列，則返回一個Series
**prefix **: str, default None
在沒有列標題時，給列添加前綴。例如：添加『X』 成為 X0, X1, ...
**mangle_pe_cols **: boolean, default True
重復的列，將『X』...』X』表示為『X.0』...』X.N』。如果設定為false則會將所有重名列覆蓋。
dtype : Type name or dict of column -> type, default None
每列數據的數據類型。例如 {『a』: np.float64, 『b』: np.int32}
**engine **: {『c』, 『python』}, optional
Parser engine to use. The C engine is faster while the python engine is currently more feature-complete.
使用的分析引擎。可以選擇C或者是python。C引擎快但是Python引擎功能更加完備。
converters : dict, default None
列轉換函數的字典。key可以是列名或者列的序號。
true_values : list, default None
Values to consider as True
false_values : list, default None
Values to consider as False
**skipinitialspace **: boolean, default False
忽略分隔符後的空白（默認為False，即不忽略）.
skiprows : list-like or integer, default None
需要忽略的行數（從文件開始處算起），或需要跳過的行號列表（從0開始）。
skipfooter : int, default 0
從文件尾部開始忽略。 (c引擎不支持)
skip_footer : int, default 0
不推薦使用：建議使用skipfooter ，功能一樣。
nrows : int, default None
需要讀取的行數（從文件頭開始算起）。
na_values : scalar, str, list-like, or dict, default None
一組用於替換NA/NaN的值。如果傳參，需要制定特定列的空值。默認為『1.#IND』, 『1.#QNAN』, 『N/A』, 『NA』, 『NULL』, 『NaN』, 『nan』`.
**keep_default_na **: bool, default True
如果指定na_values參數，並且keep_default_na=False，那麼默認的NaN將被覆蓋，否則添加。
**na_filter **: boolean, default True
是否檢查丟失值（空字元串或者是空值）。對於大文件來說數據集中沒有空值，設定na_filter=False可以提升讀取速度。
verbose : boolean, default False
是否列印各種解析器的輸出信息，例如：「非數值列中缺失值的數量」等。
skip_blank_lines : boolean, default True
如果為True，則跳過空行；否則記為NaN。
**parse_dates **: boolean or list of ints or names or list of lists or dict, default False
infer_datetime_format : boolean, default False
如果設定為True並且parse_dates 可用，那麼pandas將嘗試轉換為日期類型，如果可以轉換，轉換方法並解析。在某些情況下會快5~10倍。
**keep_date_col **: boolean, default False
如果連接多列解析日期，則保持參與連接的列。默認為False。
date_parser : function, default None
用於解析日期的函數，默認使用dateutil.parser.parser來做轉換。Pandas嘗試使用三種不同的方式解析，如果遇到問題則使用下一種方式。
1.使用一個或者多個arrays（由parse_dates指定）作為參數；
2.連接指定多列字元串作為一個列作為參數；
3.每行調用一次date_parser函數來解析一個或者多個字元串（由parse_dates指定）作為參數。
**dayfirst **: boolean, default False
DD/MM格式的日期類型
**iterator **: boolean, default False
返回一個TextFileReader 對象，以便逐塊處理文件。
chunksize : int, default None
文件塊的大小， See IO Tools docs for more information on iterator and chunksize.
compression : {『infer』, 『gzip』, 『bz2』, 『zip』, 『xz』, None}, default 『infer』
直接使用磁碟上的壓縮文件。如果使用infer參數，則使用 gzip, bz2, zip或者解壓文件名中以『.gz』, 『.bz2』, 『.zip』, or 『xz』這些為後綴的文件，否則不解壓。如果使用zip，那麼ZIP包中國必須只包含一個文件。設置為None則不解壓。
新版本0.18.1版本支持zip和xz解壓
thousands : str, default None
千分位分割符，如「，」或者「."
decimal : str, default 『.』
字元中的小數點 (例如：歐洲數據使用』，『).
float_precision : string, default None
Specifies which converter the C engine should use for floating-point values. The options are None for the ordinary converter, high for the high-precision converter, and round_trip for the round-trip converter.
指定
**lineterminator **: str (length 1), default None
行分割符，只在C解析器下使用。
**quotechar **: str (length 1), optional
引號，用作標識開始和解釋的字元，引號內的分割符將被忽略。
quoting : int or csv.QUOTE_* instance, default 0
控制csv中的引號常量。可選 QUOTE_MINIMAL (0), QUOTE_ALL (1), QUOTE_NONNUMERIC (2) or QUOTE_NONE (3)
doublequote : boolean, default True
雙引號，當單引號已經被定義，並且quoting 參數不是QUOTE_NONE的時候，使用雙引號表示引號內的元素作為一個元素使用。
escapechar : str (length 1), default None
當quoting 為QUOTE_NONE時，指定一個字元使的不受分隔符限值。
comment : str, default None
標識著多餘的行不被解析。如果該字元出現在行首，這一行將被全部忽略。這個參數只能是一個字元，空行（就像skip_blank_lines=True）注釋行被header和skiprows忽略一樣。例如如果指定comment='#' 解析『#empty a,b,c 1,2,3』 以header=0 那麼返回結果將是以』a,b,c'作為header。
encoding : str, default None
指定字元集類型，通常指定為'utf-8'. List of Python standard encodings
dialect : str or csv.Dialect instance, default None
如果沒有指定特定的語言，如果sep大於一個字元則忽略。具體查看csv.Dialect 文檔
tupleize_cols : boolean, default False
Leave a list of tuples on columns as is (default is to convert to a Multi Index on the columns)
error_bad_lines : boolean, default True
如果一行包含太多的列，那麼默認不會返回DataFrame ，如果設置成false，那麼會將改行剔除（只能在C解析器下使用）。
warn_bad_lines : boolean, default True
如果error_bad_lines =False，並且warn_bad_lines =True 那麼所有的「bad lines」將會被輸出（只能在C解析器下使用）。
**low_memory **: boolean, default True
分塊載入到內存，再低內存消耗中解析。但是可能出現類型混淆。確保類型不被混淆需要設置為False。或者使用dtype 參數指定類型。注意使用chunksize 或者iterator 參數分塊讀入會將整個文件讀入到一個Dataframe，而忽略類型（只能在C解析器中有效）
**buffer_lines **: int, default None
不推薦使用，這個參數將會在未來版本移除，因為他的值在解析器中不推薦使用
compact_ints : boolean, default False
不推薦使用，這個參數將會在未來版本移除
如果設置compact_ints=True ，那麼任何有整數類型構成的列將被按照最小的整數類型存儲，是否有符號將取決於use_unsigned 參數
use_unsigned : boolean, default False
不推薦使用：這個參數將會在未來版本移除
如果整數列被壓縮(i.e. compact_ints=True)，指定被壓縮的列是有符號還是無符號的。
memory_map : boolean, default False
如果使用的文件在內存內，那麼直接map文件使用。使用這種方式可以避免文件再次進行IO操作。
ref：
http://pandas.pydata.org/pandas-docs/stable/generated/pandas.read_csv.html
⑽ Python csv模塊（讀寫文件）
CSV文件又稱為逗號分隔值文件，是一種通用的、相對簡單的文件格式，用以存儲表格數據，包括數字或者字元。CSV是電子表格和資料庫中最常見的輸入、輸出文件格式。
通過爬蟲將數據抓取的下來，然後把數據保存在文件，或者資料庫中，這個過程稱為數據的持久化存儲。本節介紹Python內置模塊CSV的讀寫操作。
1)csv.writer()
csv模塊中的writer類可用於讀寫序列化的數據，其語法格式如下：
參數說明：
csvfile：必須是支持迭代(Iterator)的對象，可以是文件(file)對象或者列表(list)對象。
dialect：編碼風格，默認為excel的風格，也就是使用逗號,分隔。
fmtparam：格式化參數，用來覆蓋之前dialect對象指定的編碼風格。
如果想同時寫入多行數據，需要使用writerrows()方法，代碼如下所示：
aggs.csv文件內容：
2)csv.DictWriter()
當然也可使用DictWriter類以字典的形式讀寫數據，使用示例如下：
name.csv文件內容，如下所示：
1)csv,reader()
csv模塊中的reader類和DictReader類用於讀取文件中的數據，其中reader()語法格式如下：
2)csv.DictReader()
應用示例如下：
輸出結果：
開課吧廣場-人才學習交流平台