要在文本文件中存储数据，最简单的方式就是将数据作为一系列以逗号分割的值（csv）写入文件。
下面让我们来可视化以csv文件格式储存的文件：
import csv
filename = 'sitka_weather_07-2014.csv'
我们需要在读文件之前，先导入csv模块，将文件名称储存在filename中（注意：文件sitka_weather_07-2014.csv存储在本程序所在的文件夹）（文件在下面资源里面有，记得关注哦哦哦~）
with open(filename) as f:
reader = csv.reader(f)
header_row = next(reader)
打开文件，并将文件结果存储到f中。然后调用csv,.reader(),并将f作为实参传递给它，从而创建一个与该文件相关联的阅读器（reader)对象存储到reader中。模块csv的reader类包含next()方法，调用内置函数next()并将一个reader作为参数传递给它时，将调用reader的next()方法，从而返回文件的下一行。我们在这里只调用了next()一次，所以得到的是文件的第一行，其中包含文件头，指出了每行都包含哪些数据：（你可以用print(header_row)来检查是否运行成功，如果成功，会出现下面图片)
(注意：文件头的格式并非总是保持一致，空格和单位可能出现在奇怪的地方。这在原始数据文件中很常见，但是不会带来任何问题)
highs = []
for row in reader:
high = int(row[1])
highs.append(high)
这里我们创建highs的空列表（存储最高温度）,在遍历文件中余下的各行。阅读器对象从其停留的地方继续往下读取csv文件，每次都自动返回当前所处位置的下一行。由于我们已经读取了文件头行，这个循环将从第二行开始------从这行开始包含的是实际数据。每次执行该循环时，我们都将索引1处（第二列）的数据从字符串转化数字，在附加到highs末尾（你可以用print(highs)输出看一下，会出现）
下面让我们来对这些数据进行可视化
import csv
from matplotlib import pyplot as plt
filename = 'sitka_weather_07-2014.csv'
with open(filename) as f:
reader = csv.reader(f)
header_row = next(reader)
highs = []
for row in reader:
high = int(row[1])
highs.append(high)
#根据数据绘制图形
fig = plt.figure(dpi = 128,figsize=(10,6))
plt.plot(highs,c='red')
#设置图片格式
plt.title("Daily temperatures, July 2014",fontsize = 24)
plt.xlabel('',fontsize = 16)
plt.ylabel("Temperature(F)",fontsize = 16)
plt.tick_params(axis='both',which = 'major',labelsize = 16)
plt.show()
为可视化这些气温数据，我们首先使用matplotlib创建一个显示每日最高气温的简单图形，这个在这里就不详细说了，我在之前发布的博客中有写哦（敲黑板咳咳要是能顺道关注我一下的话，那就太好啦~嘿嘿）,运行程序，会出现下图：
5.
处理csv文件中的日期，对气温图像进行改进
import csv
from matplotlib import pyplot as plt
from datetime import datetime
#从文件中获取日期和最高气温
filename = 'sitka_weather_2014.csv'
with open(filename) as f:
reader = csv.reader(f)
header_row= next(reader)
dates,highs,lows = [],[],[]
for row in reader:
current_date = datetime.strptime(row[0],"%Y-%m-%d")
dates.append(current_date)
high=int(row[1])
low=int(row[2])
lows.append(low)
highs.append(high)
#根据数据绘制图形
fig = plt.figure(dpi = 128, figsize = (10,6))
plt.plot(dates,highs,c = 'red',alpha=0.5)
plt.plot(dates,lows,c = 'blue',alpha=0.5)
plt.fill_between(dates,highs,lows,facecolor='blue',alpha=0.1)
#设置图形样式
plt.title("Daily high and low temperatures -2014",fontsize = 24)
plt.xlabel(' ',fontsize = 16)
plt.ylabel('Temperature (F)',fontsize = 16)
fig.autofmt_xdate()#x轴自适应
plt.tick_params(axis = 'both',which = 'major', labelsize = 16)
plt.show()
print(dates)
修改文件名，使用新的数据文件，并修改了文件的标题，添加空列表lows，用于储存最低温度。添加一个对plot()的调用，已使用蓝色绘制最低气温。调用fill_between()方法，它接收一个x值系列和两个y值系列，并填充两个y值系列之间的空间。实参alpha指颜色透明度（0表示完全透明，1表示完全不透明）。运行代码，可以得到下面图片：
6.
错误提示。将文件death_valley_2014.csv复制到本程序所在的文件夹（文件在下面资源里面有，记得关注哦哦哦~），在修改filename使其生成死亡谷的气温图
#coding=utf-8
import csv
from matplotlib import pyplot as plt
from datetime import datetime
import matplotlib.dates as mdate
#从文件中获取日期和最高气温
filename = 'death_valley_2014.csv'
with open(filename) as f:
reader = csv.reader(f)
header_row= next(reader)
dates,highs,lows = [],[],[]
for row in reader:
try:
current_date = datetime.strptime(row[0],"%Y-%m-%d")
high=int(row[1])
low=int(row[2])
except ValueError:
print(current_date,'missing date')
else:
lows.append(low)
highs.append(high)
dates.append(current_date)
#根据数据绘制图形
fig = plt.figure(dpi = 128, figsize = (10,6))
plt.plot(dates,highs,c = 'red',alpha=0.5)
plt.plot(dates,lows,c = 'blue',alpha=0.5)
plt.fill_between(dates,highs,lows,facecolor='blue',alpha=0.1)
#设置图形样式
plt.title("Daily high and low temperature - 2014",fontsize = 24)
plt.xlabel(' ',fontsize = 16)
plt.ylabel('Temperature (F)',fontsize = 16)
fig.autofmt_xdate()#自适应
plt.tick_params(axis = 'both',which = 'major', labelsize = 16)
plt.show()
print(dates)
对于每一行，我们都尝试从中提取日期、最高气温、最低气温。只要缺失其中一项数据，Python就会引发ValueError异常，我们在这里打印一条错误信息，指出缺失数据的日期。下面是代码运行的效果：
这就是我学的处理csv格式文件的知识，希望能对大家有帮助，记得关注我哦~