在数据分析中经常需要从csv格式的文件中存取数据以及将数据写书到csv文件中。将csv文件中的数据直接读取为 dict 类型和 DataFrame 是非常方便也很省事的一种做法，以下代码以鸢尾花数据为例。
csv文件读取为dict
代码
# -*- coding: utf-8 -*-import csvwith open('E:/iris.csv') as csvfile:reader = csv.DictReader(csvfile, fieldnames=None) # fieldnames默认为None,如果所读csv文件没有表头，则需要指定list_1 = [e for e in reader] # 每行数据作为一个dict存入链表中csvfile.close()print list_1[0]输出
{'Petal.Length': '1.4', 'Sepal.Length': '5.1', 'Petal.Width': '0.2', 'Sepal.Width': '3.5', 'Species': 'setosa'}
如果读入的每条数据需要单独处理且数据量较大，推荐逐条处理然后再放入。
list_1 = list()for e in reader: list_1.append(your_func(e)) # your_func为每条数据的处理函数
多条类型为dict的数据写入csv文件
代码
# 数据data = [{'Petal.Length': '1.4', 'Sepal.Length': '5.1', 'Petal.Width': '0.2', 'Sepal.Width': '3.5', 'Species': 'setosa'},{'Petal.Length': '1.4', 'Sepal.Length': '4.9', 'Petal.Width': '0.2', 'Sepal.Width': '3', 'Species': 'setosa'},{'Petal.Length': '1.3', 'Sepal.Length': '4.7', 'Petal.Width': '0.2', 'Sepal.Width': '3.2', 'Species': 'setosa'},{'Petal.Length': '1.5', 'Sepal.Length': '4.6', 'Petal.Width': '0.2', 'Sepal.Width': '3.1', 'Species': 'setosa'}]# 表头header = ['Petal.Length', 'Sepal.Length', 'Petal.Width', 'Sepal.Width', 'Species']print len(data)with open('E:/dst.csv', 'wb') as dstfile: #写入方式选择wb，否则有空行 writer = csv.DictWriter(dstfile, fieldnames=header) writer.writeheader() # 写入表头 writer.writerows(data) # 批量写入dstfile.close()上述代码将数据整体写入csv文件，如果数据量较多且想实时查看写入了多少数据可以使用 writerows 函数。
读取csv文件为DataFrame
代码
# 读取csv文件为DataFrameimport pandas as pddframe = pd.DataFrame.from_csv('E:/iris.csv')也可以稍微曲折点：
import csvimport pandas as pdwith open('E:/iris.csv') as csvfile: reader = csv.DictReader(csvfile, fieldnames=None) # fieldnames默认为None,如果所读csv文件没有表头，则需要指定 list_1 = [e for e in reader] # 每行数据作为一个dict存入链表中csvfile.close()dfrme = pd.DataFrame.from_records(list_1) 从zip文件中读取指定csv文件为DataFrame
dst.zip文件中包含有dst.csv和其它文件，现在在不解压缩的情况下直接读取dst.csv文件为DataFrame.
import pandas as pdimport zipfilez_file = zipfile.ZipFile('E:/dst.zip')dframe = pd.read_csv(z_file.open('dst.csv'))z_file.close()print dframe DataFrame写入csv文件
dfrme.to_csv('E:/dst.csv', index=False) # 不要每行的编号 读取txt文件为DataFrame
import pandas as pd# `path`为文件路径或文件句柄，`header`文件第一行是否是表头，`delimiter`每个字段的分隔符，`dtype`数据读入后的存储类型。frame = pd.read_table(path, header=None, index_col=False, delimiter='/t', dtype=str)
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持武林网。
新闻热点
疑难解答
图片精选
