python對csv文件處理
⑴ python處理Excel文件(csv, xls, xlsx)
Excel文件格式主要有csv，xlsx和xlsx，對於不同的格式，我們使用不同的包來進行處理。
其中， encoding='utf-8-sig' 是為了編碼正常可以正確顯示中文， spamreader 中的每一個 row 為list格式，可以循環取出每個單元格的值。
結果：
如果csv文件是數據類的，那麼使用 pandas 包讀寫數據會更方便。
結果：
參數：
結果：
參數：
Excel文件有三層對象：工作薄、工作表和三元格，分別對應 openpyxl 包中的workbook、sheet和cell。
注 ： openpyxl 功能全面，還支持：合並單元格、數學運算、單元格格式、迭代器 ws.iter_rows() 操作等。
注 ： xlrd 打開為只讀模式，不可修改。
結果：
結果：
⑵ 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
⑶ 如何用python對csv文件進行數組循環處理
使用 python list即可，因為list可以加入不同的數據類型的數據。
results=list()
lines=open('cvs_file','r').readlines()
forlineinlines:
elements=line.strip().split(',')#supposedlimiteris','
foreinelements:
try:
results.append(float(e))
except:
continue
#
#,soyouneedto
#converseitwithfloatoperator.Butifelementisreadstring
#.
⑷ 用python處理csv文件，最好可以將裡面的文本信息轉成一個二維數組的形式，具體如下
思路如下：
導入csv庫；
打開文件，並用csv庫函數reader讀入數據；
csv讀入的數據是一行一行的，所以通過循環語句把讀到的數據放入到數組里
importcsv#必要庫導入
filepath='test.csv'#定義文件名稱，本文件要與當前的.py文件要在同一文件夾下，不然要用絕對路徑
withopen(filepath,'r')ascsvfile:#打開數據文件
reader=csv.reader(csvfile)#用csv的reader函數讀取數據文件
header=next(reader)#讀取數據文件的表頭
data=[]#定義一個空數組用於保存文件的數據
forlineinreader:#循環讀取數據文件並保存到數組data中
data.append(line)#line是個一維數組，是數據文件中的一行數據
print(header)#表頭
print(data)#讀取的二維數組
⑸ 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
⑹ python中讀取csv文件
python中讀取csv方法有3種：
第一種，普通方法讀取（open函數打開，然後使用for循環讀取內容）；
第二種，使用用CSV標准庫讀取；
第三種，用pandas模塊讀取。
⑺ python處理CSV文件加什麼代碼才可以保持處理前後格式一樣的跪求大佬指點。
csv.writer有個可選參數
csv.writer(csvfile, delimiter=',',
quotechar='"', quoting=csv.QUOTE_ALL)
⑻ 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！
⑼ 如何用python處理csv文件
csv模塊是Python內置的模塊，可以直接import
importcsv
可以參考:
https://docs.python.org/2/library/csv.html
http://www.cnblogs.com/sislcb/archive/2008/12/15/1355481.html
⑽ python中怎麼處理csv文件
什麼是CSV
就是內容用逗號隔開，後綴是『.csv』的文件。它可以被任何一個文本編輯器打開。如果用excel打開，它又可以是這樣的：
END
讀CSV
典型的可處理的csv文件，通常含有表頭，也就是每列的列名。這樣一來，每一行的內容就可以被當作是以表頭為key的字典。於是可以使用csv定義的類：
class csv.DictReader(csvfile, fieldnames=None, restkey=None, restval=None, dialect='excel', *args, **kwds)
下面是官方的例子（Python 3）。我們看到，對於csv文件的內容，我們可以通過相應的tag，也就是字典的key來讀取。
在實際使用過程中，為了分離代碼和方便閱讀，可以先把讀取的內容轉存到列表，隨後再根據各個key進行分開處理(針對多列的情況)。
END
寫CSV
同樣的，寫入的也是列表。使用的類：
class csv.DictWriter(csvfile, fieldnames, restval='', extrasaction='raise', dialect='excel', *args, **kwds)
官方例子：我們看到，有專門的函數來寫入表頭，沒有表頭數據是無法對應的。需要注意的是，對於下列語句，『w』需要修改為『wb』，否則每次寫入會有多餘空行
with open('names.csv', 'wb') as csvfile