如下所示： //用普通文本文件方式打開和操作

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

lines=cf.readlines()

...... //用普通文本方式打開，用csv模塊操作

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模塊相關(guān)方法和屬性

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

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

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 類

csv.DictWriter類

csv.DictReader類 //用pandas模塊打開和操作

import pandas as pd

csvpd=pd.read_excel(filepath)

......

csvpd.to_csv(filepath)

#csvpd為pandas.DataFrame類

第三方pandas模塊的常用方法屬性

df：任意的Pandas DataFrame對象

s：任意的Pandas Series對象

同時我們需要做如下的引入：

import pandas as pd

import numpy as np

導(dǎo)入數(shù)據(jù)

pd.read_csv(filename)：從CSV文件導(dǎo)入數(shù)據(jù)

pd.read_table(filename)：從限定分隔符的文本文件導(dǎo)入數(shù)據(jù)

pd.read_excel(filename)：從Excel文件導(dǎo)入數(shù)據(jù)

pd.read_sql(query, connection_object)：從SQL表/庫導(dǎo)入數(shù)據(jù)

pd.read_json(json_string)：從JSON格式的字符串導(dǎo)入數(shù)據(jù)

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()：從你的粘貼板獲取內(nèi)容，并傳給read_table()

pd.DataFrame(dict)：從字典對象導(dǎo)入數(shù)據(jù)，Key是列名，Value是數(shù)據(jù)

導(dǎo)出數(shù)據(jù)

df.to_csv(filename)：導(dǎo)出數(shù)據(jù)到CSV文件

df.to_excel(filename)：導(dǎo)出數(shù)據(jù)到Excel文件

df.to_sql(table_name, connection_object)：導(dǎo)出數(shù)據(jù)到SQL表

df.to_json(filename)：以Json格式導(dǎo)出數(shù)據(jù)到文本文件

創(chuàng)建測試對象

pd.DataFrame(np.random.rand(20,5))：創(chuàng)建20行5列的隨機數(shù)組成的DataFrame對象

pd.Series(my_list)：從可迭代對象my_list創(chuàng)建一個Series對象

df.index = pd.date_range(‘1900/1/30', periods=df.shape[0])：增加一個日期索引

查看、檢查數(shù)據(jù)

df.head(n)：查看DataFrame對象的前n行

df.tail(n)：查看DataFrame對象的最后n行

df.shape()：查看行數(shù)和列數(shù)

df.info()：查看索引、數(shù)據(jù)類型和內(nèi)存信息

df.describe()：查看數(shù)值型列的匯總統(tǒng)計

s.value_counts(dropna=False)：查看Series對象的唯一值和計數(shù)

df.apply(pd.Series.value_counts)：查看DataFrame對象中每一列的唯一值和計數(shù)

數(shù)據(jù)選取

df[col]：根據(jù)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]：按位置選取數(shù)據(jù)

s.loc[‘index_one']：按索引選取數(shù)據(jù)

df.iloc[0,:]：返回第一行

df.iloc[0,0]：返回第一列的第一個元素

數(shù)據(jù)清理

df.columns = [‘a(chǎn)','b','c']：重命名列名

pd.isnull()：檢查DataFrame對象中的空值，并返回一個Boolean數(shù)組

pd.notnull()：檢查DataFrame對象中的非空值，并返回一個Boolean數(shù)組

df.dropna()：刪除所有包含空值的行

df.dropna(axis=1)：刪除所有包含空值的列

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

df.fillna(x)：用x替換DataFrame對象中所有的空值

s.astype(float)：將Series中的數(shù)據(jù)類型更改為float類型

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'})：選擇性更改列名

df.set_index(‘column_one')：更改索引列

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

數(shù)據(jù)處理：Filter 、Sort 和 GroupBy

df[df[col] > 0.5]：選擇col列的值大于0.5的行

df.sort_values(col1)：按照列col1排序數(shù)據(jù)，默認升序排列

df.sort_values(col2, ascending=False)：按照列col1降序排列數(shù)據(jù)

df.sort_values([col1,col2], ascending=[True,False])：先按列col1升序排列，后按col2降序排列數(shù)據(jù)

df.groupby(col)：返回一個按列col進行分組的Groupby對象

df.groupby([col1,col2])：返回一個按多列進行分組的Groupby對象

df.groupby(col1)[col2]：返回按列col1進行分組后，列col2的均值

df.pivot_table(index=col1, values=[col2,col3], aggfunc=max)：創(chuàng)建一個按列col1進行分組，并計算col2和col3的最大值的數(shù)據(jù)透視表

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

data.apply(np.mean)：對DataFrame中的每一列應(yīng)用函數(shù)np.mean

data.apply(np.max,axis=1)：對DataFrame中的每一行應(yīng)用函數(shù)np.max

數(shù)據(jù)合并

df1.append(df2)：將df2中的行添加到df1的尾部

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

df1.join(df2,on=col1,how='inner')：對df1的列和df2的列執(zhí)行SQL形式的join

數(shù)據(jù)統(tǒng)計

df.describe()：查看數(shù)據(jù)值列的匯總統(tǒng)計

df.mean()：返回所有列的均值

df.corr()：返回列與列之間的相關(guān)系數(shù)

df.count()：返回每一列中的非空值的個數(shù)

df.max()：返回每一列的最大值

df.min()：返回每一列的最小值

df.median()：返回每一列的中位數(shù)

df.std()：返回每一列的標準差

以上這篇python中csv文件的若干讀寫方法小結(jié)就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持聚米學(xué)院。

總結(jié)

以上是生活随笔為你收集整理的python csv读写方法_python中csv文件的若干读写方法小结的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。