Python operation csv file

This article is only used as a code record

#!/usr/bin/python
# -*- coding: UTF-8 -*-    
# Author: RuiMing Lin
# DateTime: 2021/01/25 14:51
# Description:
import requests
from pyquery import PyQuery as pq
import csv
import numpy
import pandas as pd

'''
r：以只读方式打开文件。文件的指针将会放在文件的开头。这是默认模式。
rb：以二进制只读方式打开一个文件。文件指针将会放在文件的开头。
r+：以读写方式打开一个文件。文件指针将会放在文件的开头。
rb+：以二进制读写方式打开一个文件。文件指针将会放在文件的开头。
w：以写入方式打开一个文件。如果该文件已存在，则将其覆盖。如果该文件不存在，则创建新文件。
wb：以二进制写入方式打开一个文件。如果该文件已存在，则将其覆盖。如果该文件不存在，则创建新文件。
w+：以读写方式打开一个文件。如果该文件已存在，则将其覆盖。如果该文件不存在，则创建新文件。
wb+：以二进制读写格式打开一个文件。如果该文件已存在，则将其覆盖。如果该文件不存在，则创建新文件。
a：以追加方式打开一个文件。如果该文件已存在，文件指针将会放在文件结尾。也就是说，新的内容将会被写入到已有内容之后。如果该文件不存在，则创建新文件来写入。
ab：以二进制追加方式打开一个文件。如果该文件已存在，则文件指针将会放在文件结尾。也就是说，新的内容将会被写入到已有内容之后。如果该文件不存在，则创建新文件来写入。
a+：以读写方式打开一个文件。如果该文件已存在，文件指针将会放在文件的结尾。文件打开时会是追加模式。如果该文件不存在，则创建新文件来读写。
ab+：以二进制追加方式打开一个文件。如果该文件已存在，则文件指针将会放在文件结尾。如果该文件不存在，则创建新文件用于读写。
'''


# 爬取页面的方法
def get_html(page):
    url = "https://nba.hupu.com/stats/players/pts/" + str(page)
    response = requests.get(url=url)
    if response.status_code == 200:
        return response.text
    else:
        return None


def scrape_html_1(i):
    html = get_html(i)
    doc = pq(html)
    trs = doc.find("table tr:not(:first-child)").items()
    for tr in trs:
        name = tr.find("td:nth-child(2)").text()
        team = tr.find("td:nth-child(3)").text()
        score = tr.find("td:nth-child(4)").text()
        rate = tr.find("td:nth-child(6)").text()
        yield [name, team, score, rate]


def scrape_html_2(i):
    html = get_html(i)
    doc = pq(html)
    trs = doc.find("table tr:not(:first-child)").items()
    for tr in trs:
        name = tr.find("td:nth-child(2)").text()
        team = tr.find("td:nth-child(3)").text()
        score = tr.find("td:nth-child(4)").text()
        rate = tr.find("td:nth-child(6)").text()
        yield {
    
    
            '名字': name,
            '队伍': team,
            '得分': score,
            '命中率': rate
        }


# 写入列表，逐行写入
flag = False
# flag = True
if flag:
    results = []
    for i in range(3):
        results.extend(scrape_html_1(i + 1))
    with open('files/data.csv', 'w', encoding='utf-8', newline='') as file:
        for result in results:
            writer = csv.writer(file)
            writer.writerow(result)

# 写入列表，多行写入
flag = False
# flag = True
if flag:
    results = []
    for i in range(3):
        results.extend(scrape_html_1(i + 1))
    with open('files/data.csv', 'w', encoding='utf-8', newline='') as file:
        writer = csv.writer(file)
        writer.writerows(results)

# 写入字典
flag = False
# flag = True
if flag:
    results = []
    for i in range(3):
        results.extend(scrape_html_2(i + 1))
    with open('files/data.csv', 'w', encoding='utf-8', newline='') as file:
        fieldnames = ['名字', '队伍', '得分', '命中率']
        writer = csv.DictWriter(file, fieldnames=fieldnames)
        writer.writeheader()
        writer.writerows(results)

# 读取本地csv文件
flag = False
# flag = True
if flag:
    with open('files/data.csv', 'r', encoding='utf-8') as file:
        reader = csv.reader(file)
        for row in reader:
            print(type(row))
            print(row)

# 使用pandas的read_csv()
flag = False
flag = True
if flag:
    df = pd.read_csv('files/data.csv')
    print(df)