Python学习(4) ----- Python的CSV文件处理
在 Python 中，读取 CSV 文件最常用的方式是使用标准库中的 csv 模块。下面是详细说明和使用示例：
✅ 一、准备一个 CSV 文件示例（假设文件名为 data.csv）
name,age,city
Alice,30,New York
Bob,25,Los Angeles
Charlie,35,Chicago
二、读取 CSV 文件的基本方法
方式一：使用 csv.reader（按行读取为列表）
import csv
with open('data.csv', mode='r', encoding='utf-8') as file:
reader = csv.reader(file)
for row in reader:
print(row)
输出：
['name', 'age', 'city']
['Alice', '30', 'New York']
['Bob', '25', 'Los Angeles']
['Charlie', '35', 'Chicago']
方式二：使用 csv.DictReader（每行转为字典）
import csv
with open('data.csv', mode='r', encoding='utf-8') as file:
reader = csv.DictReader(file)
for row in reader:
print(row)
输出：
{'name': 'Alice', 'age': '30', 'city': 'New York'}
{'name': 'Bob', 'age': '25', 'city': 'Los Angeles'}
{'name': 'Charlie', 'age': '35', 'city': 'Chicago'}
三、其他说明
with open(...)是上下文管理器，自动关闭文件。- 默认按逗号分隔，如需自定义可用
delimiter=';'。 csv.reader读取的是列表，而csv.DictReader会使用首行为键自动转字典。
四、常见操作进阶
读取到一个列表中：
rows = []
with open('data.csv', mode='r', encoding='utf-8') as f:
reader = csv.DictReader(f)
rows = list(reader)
print(rows)
✅ 五、推荐：用 pandas 读取 CSV（更强大）
import pandas as pd
df = pd.read_csv('data.csv')
print(df)
输出是一个表格样式的 DataFrame。
pandas 是 Python 中一个功能强大的数据分析和处理库，常用于 表格数据（类似 Excel、CSV） 的读取、处理、分析和导出。
一、安装 pandas（如果你还没有安装）
pip install pandas
✅ 二、pandas 的基本使用示例
1. 导入库
import pandas as pd
2. 读取 CSV 文件
df = pd.read_csv('data.csv') # 自动解析表头
print(df)
假设 data.csv 内容为：
name,age,city
Alice,30,New York
Bob,25,Los Angeles
Charlie,35,Chicago
输出：
name age city
0 Alice 30 New York
1 Bob 25 Los Angeles
2 Charlie 35 Chicago
三、常见操作（初学者必学）
✅ 访问列
print(df['name']) # 获取 name 列
print(df[['name', 'age']]) # 多列
✅ 访问行
print(df.iloc[0]) # 按位置取第1行
print(df.loc[1]) # 按索引取第2行
✅ 筛选数据
print(df[df['age'] > 30]) # 筛选 age > 30 的行
✅ 添加新列
df['new_col'] = df['age'] + 10
✅ 删除列
df.drop('new_col', axis=1, inplace=True)
四、写回 CSV
df.to_csv('output.csv', index=False) # index=False 不保存行号
五、统计分析
print(df.describe()) # 数值列的统计信息
print(df['age'].mean()) # 平均年龄
六、快速复习图
| 功能 | 示例 |
|---|---|
| 读文件 | pd.read_csv("file.csv") |
| 写文件 | df.to_csv("out.csv") |
| 筛选 | df[df["age"] > 30] |
| 添加列 | df["x"] = df["y"] + 1 |
| 删除列 | df.drop("col", axis=1) |
| 行访问 | df.loc[0] 或 df.iloc[0] |
| 统计 | df.describe() |