Membaca fail CSV boleh dilaksanakan di Python melalui modul CSV dan perpustakaan Pandas. Gunakan modul CSV tanpa kebergantungan, dan sesuai untuk senario mudah. Kod contohnya ialah: import CSV dengan terbuka ('data.csv', mod = 'r', encoding = 'utf-8') sebagai fail: reader = csv.dictreader (fail) untuk baris dalam pembaca: cetak (baris), yang boleh membaca data dan mengeluarkannya dalam kamus; Jika anda memerlukan borang senarai, csv.reader () boleh digunakan. Menggunakan pandas lebih cekap dan sangat sesuai untuk analisis data. Contohnya ialah: Import Pandas sebagai PD DF = PD.READ_CSV ('Data.CSV') Print (DF), yang boleh menyusun paparan data dan menyokong pengiktirafan nama lajur, jenis penukaran dan operasi data. Apabila berurusan dengan masalah biasa, anda boleh menentukan format pengekodan seperti yang diperlukan untuk menyelesaikan kesilapan pengekodan, gunakan sep = '\ t' untuk menentukan pemisah, skiprows = 2 untuk melangkaui garisan yang tidak berguna, fillna (0) untuk mengisi nilai yang hilang. Kedua -dua kaedah mempunyai kelebihan mereka sendiri, hanya pilih mengikut keperluan anda.

Membaca fail CSV adalah operasi yang sangat biasa di Python, terutamanya apabila memproses data. Python menyediakan pelbagai cara untuk mencapai tugas ini, yang paling biasa digunakan ialah modul csv terbina dalam dan pandas perpustakaan pihak ketiga. Jika anda hanya ingin mendapatkan data dengan cepat, menggunakan pandas akan lebih mudah; Jika anda tidak mahu memperkenalkan kebergantungan tambahan, anda juga boleh menggunakan perpustakaan standard secara langsung.

Baca fail menggunakan modul CSV

Ini adalah kaedah yang datang dengan Python dan tidak memerlukan mana -mana perpustakaan dipasang. Sesuai untuk senario membaca mudah.

Sebagai contoh, anda mempunyai fail bernama data.csv , dengan kandungan berikut:

 Nama, umur, bandar
Alice, 30, New York
Bob, 25, Los Angeles
Charlie, 35, Chicago

Anda boleh membaca dan mencetaknya seperti ini:

 Import CSV

dengan terbuka ('data.csv', mode = 'r', encoding = 'utf-8') sebagai fail:
    pembaca = csv.dictreader (fail)
    untuk baris dalam pembaca:
        Cetak (baris)

Hasil output adalah serupa:

 {'Name': 'Alice', 'Age': '30', 'City': 'New York'}
{'Name': 'Bob', 'Age': '25', 'City': 'Los Angeles'}
…

Beberapa perkara yang perlu diperhatikan:

• DictReader akan menukar setiap baris ke dalam kamus, dan baris pertama adalah header secara lalai.
• Jika anda ingin membaca hanya senarai biasa dan bukannya kamus, anda boleh menggunakan csv.reader() .
• Pastikan laluan fail betul, jika tidak, ralat akan dilaporkan dan fail tidak dapat dijumpai.

Membaca CSV dengan panda lebih cekap

Jika anda melakukan analisis data, pembersihan atau pemprosesan data pada masa akan datang, pandas adalah disyorkan, yang boleh menukar keseluruhan CSV ke dalam data data pada satu masa, yang sangat mudah untuk beroperasi.

Pasang pertama (jika tidak dipasang):

 Pip memasang panda

Kemudian baca:

 Import Pandas sebagai PD

df = pd.read_csv ('data.csv')
Cetak (DF)

Output akan berada dalam bentuk jadual berstruktur:

 Nama umur bandar
0 Alice 30 New York
1 Bob 25 Los Angeles
2 Charlie 35 Chicago

Kelebihan termasuk:

• Menyokong pengenalan automatik nama lajur dan penukaran jenis data;
• Ia boleh mudah ditapis, disusun, dan dikira;
• Ia berfungsi dengan baik dengan Numpy, Matplotlib dan perpustakaan lain.

Tetapi perlu diperhatikan:

• Jika failnya besar, pemuatan akan sedikit lebih perlahan;
• Jika panda tidak dipasang, ia tidak boleh digunakan secara langsung.

Petua untuk menangani masalah biasa

Anda mungkin menghadapi beberapa masalah kecil ketika membaca CSV, seperti kesilapan pengekodan, nilai null, pembatas bukan koma, dan lain -lain. Berikut adalah beberapa cadangan praktikal:

• Tentukan format pengekodan : Sesetengah fail mungkin pengekodan GBK atau UTF-8-BOM, dan anda boleh menggunakan encoding='utf-8-sig' untuk mengelakkan pelaporan ralat.
• Pembatas Custom : Jika fail dipisahkan oleh aksara tab \t , tambah parameter sep='\t' .
• Langkau garis yang tidak berguna : Kadang -kadang beberapa baris pertama adalah teks penjelasan, anda boleh menggunakan skiprows=2 untuk mengabaikan dua baris pertama.
• Mengendalikan nilai yang hilang : Pandas akan menukar medan kosong ke nan secara lalai, dan anda boleh menggunakan fillna(0) untuk fillna.

Pada asasnya, kaedah ini bergantung pada mana yang lebih sesuai untuk keperluan anda. Sama ada perpustakaan standard atau perpustakaan pihak ketiga, ia dapat menyelesaikan tugas membaca CSV dengan baik.

Atas ialah kandungan terperinci Membaca data dari fail CSV di Python. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!