当前位置: 首页 > news >正文

使用Python操作CSV文件,方便又快捷

概念

CSV是逗号分隔值或者字符分割值,其文件以纯文本形式存储表格数据。

CSV文件可以用文本文件或者转换成EXCEL(直接用EXCEL也可以,但是可能会有一些问题)打开。因此更适合通过CSV文件进行程序之间转移表格数据。

应用场景

需要进行取数分析(将数据库数据拉取下来给产品)、保存爬虫数据时,借助CSV文件更便利一些,同时也可以用该文件记录脚本的操作日志。

具体操作

下面演示如何通过Python进行CSV文件的读写操作。

import csvwith open('test.csv', 'w') as f:writer = csv.writer(f)writer.writerow(['id', 'name', 'phone'])writer.writerow(['01', 'zhangsan', '13600000001'])writer.writerow(['02', 'lisi', '13600000002'])writer.writerow(['03', 'wangwu', '13600000003'])

用记事本打开可以看到如下内容,默认每行数据之间是通过逗号隔开的(可以再理解一下这个Comma-Separated Values)。

图片

用EXCEL打开的话,数据长这样:

图片

让我们把每行下面的空格去掉,加上newline参数:

import csvwith open('test.csv', 'w', newline='') as f:writer = csv.writer(f)writer.writerow(['id', 'name', 'phone'])writer.writerow(['01', 'zhangsan', '13600000001'])writer.writerow(['02', 'lisi', '13600000002'])writer.writerow(['03', 'wangwu', '13600000003'])

看,空格没有了!

图片

如果想用其它符号代替数据间的逗号,设置delimiter参数:

import csvwith open('test.csv', 'w') as f:writer = csv.writer(f, delimiter = '-')writer.writerow(['id', 'name', 'phone'])writer.writerow(['01', 'zhangsan', '13600000001'])writer.writerow(['02', 'lisi', '13600000002'])writer.writerow(['03', 'wangwu', '13600000003'])

图片

还有一种实现方式,先写入表头,再用writerows插入数据:

import csvwith open('test.csv', 'w') as f:writer = csv.writer(f)writer.writerow(['id', 'name', 'phone'])writer.writerows([['01', 'zhangsan', '13600000004'],['02', 'lisi', '13600000005'],['03', 'wangwu', '13600000006']])

图片

或者将表头抽离出来,通过字典的方式写入:

with open('test.csv', 'w') as f:header = ['id', 'name', 'phone']writer = csv.DictWriter(f, fieldnames=header)writer.writeheader()writer.writerow({'id': '01', 'name': 'zhangsan', 'phone': '13600000007'})writer.writerow({'id': '02', 'name': 'lisi', 'phone': '13600000008'})writer.writerow({'id': '03', 'name': 'wangwu', 'phone': '13600000009'})

在这里插入图片描述

还可以用for循环将数据依次写入:

import csv
data = [("zhangsan",'13600000001'),("lisi",'13600000002'),("wangwu",'13600000003')
]
with open('test.csv','w') as f:writer = csv.writer(f)for i in data:writer.writerow(i)

如果需要写入中文数据,为了避免编码错误,文件操作时加上编码格式:

import csvwith open('test.csv', 'w', encoding='utf-8') as f:writer = csv.writer(f)writer.writerow(['id', 'name', 'phone'])writer.writerow(['01', '张三', '13600000001'])writer.writerow(['02', '李四', '13600000002'])writer.writerow(['03', '王五', '13600000003'])

文件读取操作:

import csv
with open('test.csv','r',encoding = 'utf-8') as f:reader = csv.reader(f)for row in reader:print(row)

最后感谢每一个认真阅读我文章的人,礼尚往来总是要有的,虽然不是什么很值钱的东西,如果你用得到的话可以直接拿走:

在这里插入图片描述

这些资料,对于【软件测试】的朋友来说应该是最全面最完整的备战仓库,这个仓库也陪伴上万个测试工程师们走过最艰难的路程,希望也能帮助到你!   

http://www.lryc.cn/news/163385.html

相关文章:

  • 深入探索KVM虚拟化技术:全面掌握虚拟机的创建与管理
  • javaee springMVC model的使用
  • Spring与Docker:如何容器化你的Spring应用
  • 试图替代 Python 的下一代AI编程语言:Mojo
  • 【数据结构】栈、队列和数组
  • python算法调用方案
  • 《微服务架构设计模式》第二章
  • taro vue3 ts nut-ui 项目
  • 【群答疑】jmeter关联获取上一个请求返回的字符串,分割后保存到数组,把数组元素依次作为下一个请求的入参...
  • Shell 函数详解(函数定义、函数调用)
  • git-命令行显示当前目录分支
  • pgsql 报错 later table “drop column” is not supported now
  • 如何制定私域流量布局计划?
  • yolov8 模型部署--TensorRT部署-c++服务化部署
  • 自适应迭代扩展卡尔曼滤波算法AIEKF估计SOC VS 扩展卡尔曼估计SOC
  • 2023-亲测有效-git clone失败怎么办?用代理?加git?
  • An Empirical Study of GPT-3 for Few-Shot Knowledge-Based VQA
  • 2023高教社杯数学建模B题思路分析 - 多波束测线问题
  • 02-docker network
  • 栈和队列经典笔试题
  • No5.9:多边形内角和公式
  • EditPlus 配置python 及Anaconda中的python
  • linux 编译 llvm + clang
  • Mybatis 框架 ( 四 ) QueryWrapper
  • 数据结构和算法之二分法查找
  • 系统日期如何在页面展示,框架是react或者vue3
  • (二十二)大数据实战——Flume数据采集之故障转移案例实战
  • 前端小案例3:Flex弹性布局行内元素宽度自适应
  • 纳尼?小说还要用看的?这可以听!无广!
  • 【微服务部署】四、Jenkins一键打包部署NodeJS(Vue)前端项目步骤详解