python中csv文件的若干读写方法小结


            如下所示：





//用普通文本文件方式打开和操作



with open("'file.csv'") as cf:

    lines=cf.readlines()

    ......









//用普通文本方式打开，用csv模块操作



import csv

with open("file.csv") as cf:

    lines=csv.reader(cf)

    for line in lines:

        print(line)

    ......









import csv

headers=['id','username','password','age','country']

rows=[(1001,'qiye','qiye_pass',20,'china'),(1002,'mary','mary_pass',23,'usa')]

f=open("csvfile.csv",'a+')

wf =csv.writer(f)

wf.writerow(headers)

wf.writerows(rows)

f.close()



csv模块相关方法和属性 



csv.writer(fileobj [, dialect='excel'][optional keyword args])返回DictWriter类 



csv.reader(iterable [, dialect='excel'][，optional keyword args])返回DictRead类 



csv.writer(csvfile.csv).writerow(rowdict) 



csv.DictWriter.writerow() 



csv.DictWriter.writeheader() 



csv.DictWriter.writerows() 



csv.writer(csvfile.csv).writerow(rowdicts) 



csv.reader(csvfile.csv).next() 



csv.DictReader.next() 



csv.field_size_limit() 



csv.get_dialect() 



csv.list_dialects() 



csv.reduce(funtion,sequence) 



csv.register_dialect() 



csv.re 类 



csv.DictWriter类 



csv.DictReader类





//用pandas模块打开和操作



import pandas as pd

csvpd=pd.read_excel(filepath)

......

csvpd.to_csv(filepath)

#csvpd为pandas.DataFrame类





第三方pandas模块的常用方法属性 

df：任意的Pandas DataFrame对象 

s：任意的Pandas Series对象 

同时我们需要做如下的引入： 

import pandas as pd 

import numpy as np

导入数据 

pd.read_csv(filename)：从CSV文件导入数据 

pd.read_table(filename)：从限定分隔符的文本文件导入数据 

pd.read_excel(filename)：从Excel文件导入数据 

pd.read_sql(query, connection_object)：从SQL表/库导入数据 

pd.read_json(json_string)：从JSON格式的字符串导入数据 

pd.read_html(url)：解析URL、字符串或者HTML文件，抽取其中的tables表格 

pd.read_clipboard()：从你的粘贴板获取内容，并传给read_table() 

pd.DataFrame(dict)：从字典对象导入数据，Key是列名，Value是数据

导出数据 

df.to_csv(filename)：导出数据到CSV文件 

df.to_excel(filename)：导出数据到Excel文件 

df.to_sql(table_name, connection_object)：导出数据到SQL表 

df.to_json(filename)：以Json格式导出数据到文本文件

创建测试对象 

pd.DataFrame(np.random.rand(20,5))：创建20行5列的随机数组成的DataFrame对象 

pd.Series(my_list)：从可迭代对象my_list创建一个Series对象 

df.index = pd.date_range(‘1900/1/30', periods=df.shape[0])：增加一个日期索引

查看、检查数据 

df.head(n)：查看DataFrame对象的前n行 

df.tail(n)：查看DataFrame对象的最后n行 

df.shape()：查看行数和列数 

df.info()：查看索引、数据类型和内存信息 

df.describe()：查看数值型列的汇总统计 

s.value_counts(dropna=False)：查看Series对象的唯一值和计数 

df.apply(pd.Series.value_counts)：查看DataFrame对象中每一列的唯一值和计数

数据选取 

df[col]：根据列名，并以Series的形式返回列 

df[[col1, col2]]：以DataFrame形式返回多列 

s.iloc[0]：按位置选取数据 

s.loc[‘index_one']：按索引选取数据 

df.iloc[0,:]：返回第一行 

df.iloc[0,0]：返回第一列的第一个元素

数据清理 

df.columns = [‘a','b','c']：重命名列名 

pd.isnull()：检查DataFrame对象中的空值，并返回一个Boolean数组 

pd.notnull()：检查DataFrame对象中的非空值，并返回一个Boolean数组 

df.dropna()：删除所有包含空值的行 

df.dropna(axis=1)：删除所有包含空值的列 

df.dropna(axis=1,thresh=n)：删除所有小于n个非空值的行 

df.fillna(x)：用x替换DataFrame对象中所有的空值 

s.astype(float)：将Series中的数据类型更改为float类型 

s.replace(1,'one')：用‘one'代替所有等于1的值 

s.replace([1,3],[‘one','three'])：用'one'代替1，用'three'代替3 

df.rename(columns=lambda x: x + 1)：批量更改列名 

df.rename(columns={‘old_name': ‘new_ name'})：选择性更改列名 

df.set_index(‘column_one')：更改索引列 

df.rename(index=lambda x: x + 1)：批量重命名索引

数据处理：Filter 、Sort 和 GroupBy 

df[df[col] > 0.5]：选择col列的值大于0.5的行 

df.sort_values(col1)：按照列col1排序数据，默认升序排列 

df.sort_values(col2, ascending=False)：按照列col1降序排列数据 

df.sort_values([col1,col2], ascending=[True,False])：先按列col1升序排列，后按col2降序排列数据 

df.groupby(col)：返回一个按列col进行分组的Groupby对象 

df.groupby([col1,col2])：返回一个按多列进行分组的Groupby对象 

df.groupby(col1)[col2]：返回按列col1进行分组后，列col2的均值 

df.pivot_table(index=col1, values=[col2,col3], aggfunc=max)：创建一个按列col1进行分组，并计算col2和col3的最大值的数据透视表 

df.groupby(col1).agg(np.mean)：返回按列col1分组的所有列的均值 

data.apply(np.mean)：对DataFrame中的每一列应用函数np.mean 

data.apply(np.max,axis=1)：对DataFrame中的每一行应用函数np.max

数据合并 

df1.append(df2)：将df2中的行添加到df1的尾部 

df.concat([df1, df2],axis=1)：将df2中的列添加到df1的尾部 

df1.join(df2,on=col1,how='inner')：对df1的列和df2的列执行SQL形式的join

数据统计 

df.describe()：查看数据值列的汇总统计 

df.mean()：返回所有列的均值 

df.corr()：返回列与列之间的相关系数 

df.count()：返回每一列中的非空值的个数 

df.max()：返回每一列的最大值 

df.min()：返回每一列的最小值 

df.median()：返回每一列的中位数 

df.std()：返回每一列的标准差以上这篇python中csv文件的若干读写方法小结就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持中文源码网。