Python 中CSV模块讲解

CSV(comma-separated values) 是跨多种形式导入导出数据的标准格式，比如 MySQL、Excel。

它以纯文本存储数和文本。文件的每一行就代表一条数据，每条记录包含了由逗号分隔的一个或多个属性值。这个标准格式的名字来源就是每条记录是用逗号将其属性分隔的。

即使有这个非常明显的命名标准，而实际上却没有一个官方的标准 CSV 格式，有可能是以一些比较类似的分隔符来分隔数据，虽然它们的扩展是 .csv 但是实际上却用了各种符号，空格、tab，这些也是比较流行的符号。有时由于缺少严格的定义使得数据移植变得很困难。

RFC 4180 提供了一些标准：

• 内容为纯文本
• 包含记录
• 每条记录是用单个分隔字符将各属性分隔
• 每条记录的属性序列是相同的

除非提供的 CSV 文件有额外的说明信息(比如使用 RFC 提供的标准)，否则处理这种数据格式将是相当烦人的。

1.基础

Python 天生支持读取 CSV 格式数据并且是可配置的(这个我们看到是必不可少的)。在 Python 里边有个模块 csv ，它包含了 CSV 读取/生成所需的所有支持，并且它遵守 RFC 标准(除非你覆盖了相应的配置)，因此默认情况下它是能够读取和生成合法的 CSV 文件。

那么，我们看看它是如何工作的:

  
  
import csv
with open('my.csv', 'r+', newline='') as csv_file:
reader = csv.reader(csv_file)
for row in reader:
print(str(row))
  
  

代码中我们导入了 csv 模块并且打开了 “my.csv” 文件，将文件作为参数传给 csv.reader，调用这个方法后我们将 reader 里边的每行数据输出。

扫描二维码关注公众号，回复： 2704838 查看本文章

假设 ‘my.csv’ 里边的内容为：




  
  
my first column,my second column,my third column
my first column 2,my second column 2,my third column 2
  
  

 

那么我们运行这个代码后，相应的输出：




  
  
[ 'my first column', 'my second column', 'my third column']
[ 'my first column 2', 'my second column 2', 'my third column 2']
  
  

生成和读取一样的简单：

  
  
import csv
rows = [[ '1', '2', '3'], [ '4', '5', '6']]
with open('my.csv', 'w+', newline='') as csv_file:
writer = csv.writer(csv_file)
for row in rows:
writer.writerow(row)

with open('my.csv', 'r+', newline='') as csv_file:
reader = csv.reader(csv_file)
for row in reader:
print(str(row))
  
  

在 csv 文件的数据会是：



  
  
1, 2, 3
4, 5, 6
  
  

输出的内容：




  
  
[ '1', '2', '3']
[ '4', '5', '6']
  
  

到这里我们都非常清楚代码逻辑。我们将文件作为参数给 writer，以写模式打开，然后用它来写每一行数据。下边是更灵活的方式：

  
  
import csv

def read(file_location):
with open(file_location, 'r+', newline='') as csv_file:
reader = csv.reader(csv_file)
return [row for row in reader]

def write(file_location, rows):
with open(file_location, 'w+', newline='') as csv_file:
writer = csv.writer(csv_file)
for row in rows:
writer.writerow(row)

def raw_test():
columns = int(input( "How many columns do you want to write? "))
input_rows = []
keep_going = True
while keep_going:
input_rows.append([input( "column {}: ".format(i + 1)) for i in range(0, columns)])
ui_keep_going = input( "continue? (y/N): ")
if ui_keep_going != "y":
keep_going = False

print (str(input_rows))

write ('raw.csv', input_rows)
written_value = read( 'raw.csv')
print(str(written_value))

raw_test()
  
  

我们询问用户每行需要的列数然后是否继续输入下一行，随后我们输出读入的一般数据并且将这些内容生成到一个叫 raw.csv，然后继续这样一个过程。当我们运行这个程序，相关的内容如下：




  
  
How many columns do you want to write? 3
column 1: row 1, column 1
column 2: row 1, column 2
column 3: row 1, column 3
continue? (y/N): y
column 1: row 2, column 1
column 2: row 2, column 2
column 3: row 3, column 3
continue? (y/N):
[[ 'row 1, column 1', 'row 1, column 2', 'row 1, column 3'], [ 'row 2, column 1', 'row 2, column 2', 'row 3, column 3']]
[[ 'row 1, column 1', 'row 1, column 2', 'row 1, column 3'], [ 'row 2, column 1', 'row 2, column 2', 'row 3, column 3']]

Process finished with exit code 0
  
  

当然我们的 raw.csv 内容是：




  
  
"row 1, column 1", "row 1, column 2", "row 1, column 3"
"row 2, column 1", "row 2, column 2", "row 3, column 3"
  
  

CSV 格式的另一个规则就是引号。在上边的例子中，每一个输入都包含一个逗号，而逗号是我们的分隔符，所以这个逗号被放到了引号(标准的默认值)中间表示在此间的并非分隔符而只是每列中的符号而已。

虽让我推荐保留标准的配置信息，不过也存在一些情况需要更改默认配置，毕竟你没法控制的数据提供方给出的 csv 文件。因此，我不得不教你如何调整配置(beware, 责任越大权力越大)。

你能够通过设置 delimiter 和 quotechar 来配置分隔符和引用符：




  
  
import csv


def read(file_location):
with open(file_location, 'r+', newline= '') as csv_file:
reader = csv.reader(csv_file, delimiter= ' ', quotechar= '|')
return [row for row in reader]


def write(file_location, rows):
with open(file_location, 'w+', newline= '') as csv_file:
writer = csv.writer(csv_file, delimiter= ' ', quotechar= '|')
for row in rows:
writer.writerow(row)


def raw_test():
columns = int(input( "How many columns do you want to write? "))
input_rows = []
keep_going = True
while keep_going:
input_rows.append([input( "column {}: ".format(i + 1)) for i in range( 0, columns)])
ui_keep_going = input( "continue? (y/N): ")
if ui_keep_going != "y":
keep_going = False

print(str(input_rows))

write( 'raw.csv', input_rows)
written_value = read( 'raw.csv')
print(str(written_value))

raw_test()
  
  

现在我们的输出值为：




  
  
How many columns do you want to write? 3
column 1: row 1 column 1
column 2: row 1 column 2
column 3: row 1 column 3
continue? (y/N): y
column 1: row 2 column 1
column 2: row 2 column 2
column 3: row 2 column 3
continue? (y/N):
[[ 'row 1 column 1', 'row 1 column 2', 'row 1 column 3'], [ 'row 2 column 1', 'row 2 column 2', 'row 2 column 3']]
[[ 'row 1 column 1', 'row 1 column 2', 'row 1 column 3'], [ 'row 2 column 1', 'row 2 column 2', 'row 2 column 3']]
  
  

我们的 raw.csv 文件中结果是：




  
  
|row 1 column 1| |row 1 column 2| |row 1 column 3|
|row 2 column 1| |row 2 column 2| |row 2 column 3|
  
  

我们可以看到，新分隔符已经变成了空格，而我们的引用符变成了管道，这主要是空格在每个文本数据中都有包含，因此 writer 强制使用管道来划分。

writer 的引用策略同样是可配置的，能够用的参数如下：
 

• csv.QUOTE_ALL: 把每列都扩起来，无论是否包含分隔符
• csv.QUOTE_MINIMAL: 只将包含分隔符的列扩起来
• csv.QUOTE_NONNUMBERIC: 将所有非数值的列扩起来
• csv.QUOTE_NONE: 不扩起来。这种方式强制用户检查每列的输入中是否包含分隔符，如果不检测，读取的列数将会是错误的。

读/写字点数据
 

我们已经看过了一些基础的读取/生成 CSV 数据的例子，不过在实际环境中，我们并不希望 CSV 文件那么的混乱，我们需要它们给出里边每一个列所表示的意义。
 
同样，实际环境下我们的数据不一定都是在数组中，我们有的是一些业务模型并且易懂。通常我们会使用字典来达到这个目的，python 相应提供了从 CVS 中读取/生成字典的工具。
 
代码差不多这个样子：



  
  
import csv

dictionaries = [{ 'age': '30', 'name': 'John', 'last_name': 'Doe'}, { 'age': '30', 'name': 'Jane', 'last_name': 'Doe'}]
with open( 'my.csv', 'w+') as csv_file:
headers = [k for k in dictionaries[ 0]]
writer = csv.DictWriter(csv_file, fieldnames=headers)
writer.writeheader()
for dictionary in dictionaries:
writer.writerow(dictionary)

with open( 'my.csv', 'r+') as csv_file:
reader = csv.DictReader(csv_file)
print(str([row for row in reader]))
  
  

 

我们用一个数组的测试数据初始化 dictionaries 变量，然后我们打开一个 write 模式的文件，将字典数据中的键集合写入到文件中。首先我们做的就是写键集合，然后再写数组中的字典，一个字典一行。
 
接下来我们以 read 模式打开同一个文件，获取此文件的 reader，然后将其打印成数组。输出结果如下：



[{'name': 'John', 'age': '30', 'last_name': 'Doe'}, {'name': 'Jane', 'age': '30', 'last_name': 'Doe'}]

  
  

 

输出的 CSV 文件如下：



  
  
name,last_name,age
John,Doe, 30
Jane,Doe, 30
  
  

 

现在它看起来就舒服多了。这个 CSV 文件包含了列信息，每行按照列顺序将数据排列好。注意到我们把属性名字给了 writer，在 python 中字典是无序的，因此在给定的情况下每行的数据顺序将会是之前所指定的。
 
这种方法同样可以应用到配置了分隔符和引用符的默认 writer 和 reader 上。
 
同样，我们把代码变的更灵活些：




  
  
import csv

def read_dict(file_location):
with open(file_location, 'r+') as csv_file:
reader = csv.DictReader(csv_file)
print(str([row for row in reader]))
return [row for row in reader]


def write_dict(file_location, dictionaries):
with open(file_location, 'w+') as csv_file:
headers = [k for k in dictionaries[ 0]]
writer = csv.DictWriter(csv_file, fieldnames=headers)
writer.writeheader()
for dictionary in dictionaries:
writer.writerow(dictionary)


def dict_test():
input_rows = []
keep_going = True
while keep_going:
name = input( "Name: ")
last_name = input( "Last Name: ")
age = input( "Age: ")
input_rows.append({ "name": name, "last_name": last_name, "age": age})
ui_keep_going = input( "continue? (y/N): ")
if ui_keep_going != "y":
keep_going = False

print(str(input_rows))

write_dict( 'dict.csv', input_rows)
written_value = read_dict( 'dict.csv')
print(str(written_value))

dict_test()
  
  

我们现在运行这个代码，会有如下的结果：

Name: John
Last Name: Doe
Age: 30
continue? (y/N): y
Name: Jane
Last Name: Doe
Age: 40
continue? (y/N): 
[{'age': '30', 'last_name': 'Doe', 'name': 'John'}, {'age': '40', 'last_name': 'Doe', 'name': 'Jane'}]
[{'age': '30', 'last_name': 'Doe', 'name': 'John'}, {'age': '40', 'last_name': 'Doe', 'name': 'Jane'}]

 

我们的 dict.csv 内容：

age,last_name,name
30,Doe,John
40,Doe,Jane

 

一些注意点。就像我之前说过的，在 python 中字典是无序的，所以当你从一个字典中提取键集合并将数据写入到一个 CSV 文件的时候你应该将它们排好序始终使它们保持同样的顺序。你并不知道你的用户会用什么方法来读取这些数据，当然，在实际环境中 CSV 文件总是在增长的，你总是在增加文件的行，而不是覆盖它们。为了避免不必要的麻烦首先就是确保你的 CSV 文件始终看起来相同。

翻译原文

        </div>