python打開csv
A. 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。
B. python生成csv文件一定要用vscode打開嗎
python生成csv文件一定要用vscode打開的，因為csv編輯的數據都是通過固定的數據格式進行生成的，只能用vscode軟體才能識別數據正常進行打開
C. python中列表csv文件,打開後怎麼都在一列
用txt打開你的csv源文件里，看看單元格之間是用什麼符號分割的，pandas默認是逗號『，』分割的，你這個好像是空格分割的，試試這個代碼df=pd.read_csv('.csv'，sep='')。sep=，注意引號裡面是個空格符哦。
D. python解決csv文件用excel打開亂碼問題
【問題】
python輸出的csv文件用excel打開，裡面的中文會變成亂碼，但用window下的記事本或mac下的numbers打開就正常顯示。
原因是python輸出的文件是utf-8編碼寫入的，excel默認以gbk方式讀取，導致亂碼發生。
【解決方法1】文件產出時encoding設置為utf-8-sig
用excel打開csv時，excel會先檢查文件的第一個字元，來了解這個文件是什麼編碼方式，如果這個字元是BOM，excel就知道用utf-8的方式打開這個文件。python自帶了處理BOM的編碼方式uft-8-sig，因此只需要在文件產出時將encoding設置為utf-8-sig。
如果文件不是由python產出的，只需要以utf-8方式讀入再以utf-8-sig方式存儲即可
【解決方法2】懶人法，適用只含簡體中文的文件
用記事本打開，點擊另存為，右下角編碼方式選擇「ANSI」，這個過程是把這個文件改成gbk編碼格式，excel就是默認用gbk方式打開的。
參考： Python寫的csv文件，如何讓 Excel 雙擊打開不亂碼？ - 雲+社區 - 騰訊雲
對編碼格式一竅不通的可以閱讀以下網頁
python筆記——二進制和文件編碼_砍柴姑娘Jourosy的博客-CSDN博客
編碼方式之ASCII、ANSI、Unicode概述 - 藍海人 - 博客園
【簡單總結】：
1. 首先需要了解 字元集 和 字元編碼 兩個概念，字元集定義了字元和二進制的一一對應關系，字元編碼規定了如何將字元的編號存儲到計算機中。
2. Unicode是字元集，包含了全球文字的唯一編碼，utf-8是編碼方式，將unicode以某種方式存儲到計算機中。
3. 有些字元集和編碼是結合在一起的，稱作字元集還是編碼都無所謂，比如ASCII，GBK
4. ANSI是各個國家地區不同擴展編碼方式的總稱，互不兼容（可以看出來通用性沒有utf好）
5. 不同編碼方式在轉換時，通常需要以unicode作為中間編碼，即先將其他編碼的字元串解碼（decode）成unicode，再從unicode編碼（encode）成另一種編碼。
E. 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。
F. 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
G. python讀取csv文件報錯position4
一、文件路徑報錯
因為在python之中文件路徑都是以字元串類型出現的，所以在字元串對象的編寫語法本身沒有錯誤時，那麼出現報錯的唯一原因就是這個文件路徑找不到文件。這種問題主要經常出現在已經發布部署到伺服器上的python程序，因為在開發時很多時候都是用絕對路徑來讀取文件的，環境改變之後從磁碟根目錄讀取的絕對路徑就是無法使用了。
二、解決方法
那麼正確的做事實際上就是先導入os模塊，然後調用getcwd()方法查看當前python程序，也就是py腳本文件處在哪個文件路徑之中，代碼示例如下所示：
import os
os.getcwd()
print(os.getcwd())
然後再打開文件夾查看一下所要讀取的csv文件在哪個文件目錄，然後在文件資源管理器內打開csv文件所在的文件目錄並將其復制後粘貼到python文件所在的同級目錄下，接下來就可以使用絕對不會出錯的相對路徑來讀取該csv文件了。只需要寫上csv文件的名稱就可以來將其在python程序內打開並讀取，代碼示例如下所示：
import pandas as pd
train = pd.read_csv
H. python 怎麼讀csv文件
CSV文件本質上就是文本文件，只不過每行的數據用逗號分隔。
所以你當成文本文件打開一行一行的讀然後拆分就可以了。
data=[]
withopen(r'd: empdemo.csv','r')ascsv_file:
forlineincsv_file:
data.append(line.strip().split(','))
print(data)
#另外Python標准庫里有個CSV模塊可以用。
importcsv
withopen(file_path,'rb')ascsv_file:
data=list(csv.reader(csv_file))[1:]#去掉首行的列名
還有就是可以用Pandas這個庫，dataframe有導入csv功能。
I. 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！