基本概念

在上一节中，我们讲解了如何在 Python 中处理 JSON 文件；本节，我们将讲解另外一种流行的文件格式：CSV。

CSV（Comma-Separated Values，意为：由逗号分隔的值）是一种广泛使用的、用于存储表格数据的文件格式。由于其简单性以及与各种应用程序的兼容性，CSV 文件已经成为数据处理和交换的重要方式。

CSV 文件的历史其实很悠久。它们起源于像 Microsoft Excel 和 Lotus 1-2-3 这样的电子表格软件。这些软件在早期都使用纯文本文件来存储数据，而 CSV 提供了一种以人类可读的格式表示结构化数据的方式，从而方便在不同系统之间交换数据。

CSV 的基本思想很简单：数据组织成行，每行包含一个或多个由分隔符分隔的字段，通常是逗号。以下是一个示例：

姓名, 年龄, 城市
爱丽丝, 28, 纽约
鲍勃, 32, 旧金山
查理, 24, 洛杉矶

在此示例中，每行表示一条记录，每条记录中的字段由逗号分隔。CSV 文件通常在第一行包含列标题。

正是由于 CSV 文件可以简单高效地存储结构化数据，同时又不依赖于特定的软件系统，因此它的应用场景非常广泛，例如：

1. 数据导入和导出：
   许多应用程序支持 CSV 作为导入和导出数据的格式。这是在不同系统之间移动数据的一种非常有效的方式。
2. 数据分析：
   数据科学家和分析师通常使用 CSV 文件作为数据分析的起点。Python 中丰富的第三方库--例如 Pandas--使得处理 CSV 数据变得容易。
3. 配置文件：
   一些软件和编程语言使用类似 CSV 的语法用于配置文件。
4. 日志记录：
   有时，CSV 用于记录结构化数据，例如服务器日志或传感器读数。

下面就让我们来看看如何在 Python 中处理 CSV 文件。

如何在 Python 中读取 CSV 文件

Python 提供了很多库和模块，用以帮助开发人员有效地处理 CSV 文件。最常用的模块是csv，它是 Python 标准库的一部分。

下面让我们来学习一下如何使用 csv库处理 CSV 文件。

读取 CSV 文件

要从 CSV 文件中读取数据，可以使用csv库中的reader()方法。csv.reader()方法用于创建一个读取器对象，其可以从 CSV 文件中读取数据。

该方法的函数定义如下所示：

csv.reader(csvfile, dialect='excel', **fmtparams)

其中，

• csvfile：这是一个文件对象（或具有read()方法的任何对象），表示要读取的 CSV 文件。
• dialect（可选）：此参数指定 CSV 文件的方言。它确定 CSV 文件的格式，包括分隔符、引用规则等。默认值为'excel'，适用于大多数常见的 CSV 文件。
• fmtparams（可选）：附加的关键字参数，用于控制 CSV 解析和读取的各个方面。这些参数与所使用的方言有关，可以包括选项，如delimiter、quotechar、escapechar等。

运行成功后，csv.reader()方法会返回一个迭代器对象，可用于遍历 CSV 文件中的行。每次迭代生成一个字符串列表，表示一行中的字段。

以下是一个示例：

import csv
 
with open('data.csv', mode='r') as file:
    reader = csv.reader(file)
    for row in reader:
        print(row)

在此例中，我们打开名为data.csv的 CSV 文件，读取其内容，并打印每一行。

写入 CSV 文件

要将数据写入 CSV 文件，可以使用csv库中的writer()方法。csv.writer()方法用于创建一个写入器对象，从而将数据写入 CSV 文件。

该方法的函数定义如下所示：

csv.writer(csvfile, dialect='excel', **fmtparams)

其中，

• csvfile：这是一个文件对象（或具有write()方法的任何对象），表示要写入的 CSV 文件。
• dialect（可选）：类似于csv.reader()方法，dialect参数指定了 CSV 文件的方言。默认值为'excel'。
• fmtparams（可选）：附加的关键字参数，用于控制 CSV 写入的各个方面。这些参数与所使用的方言有关，可以包括选项，如delimiter、quotechar、escapechar等。

在创建完成后，csv.writer()方法会返回一个写入器对象，可用于将数据行写入 CSV 文件。我们可以使用方法如writerow()来写入单个行或writerows()来写入多个行。

以下是一个示例：

import csv
 
data = [
    ['姓名', '年龄', '城市'],
    ['爱丽丝', 28, '纽约'],
    ['鲍勃', 32, '旧金山'],
    ['查理', 24, '洛杉矶']
]
 
with open('output.csv', mode='w', newline='') as file:
    writer = csv.writer(file)
    writer.writerows(data)

在此例中，我们将data列表写入名为output.csv的新 CSV 文件中。

处理 CSV 文件的最佳实践规范

1. 始终指定分隔符：尽管 CSV 代表逗号分隔值，但并非所有 CSV 文件都使用逗号作为分隔符。有些使用制表符、分号或其他字符。在处理 CSV 文件时，请确保在读取或写入时指定正确的分隔符。
2. 处理标题：注意我们需要处理的 CSV 文件是否具有标题。
3. 错误处理：始终在处理文件时包含错误处理。使用try和except块来优雅地处理异常。
4. 对于复杂操作，请使用 Pandas：对于简单的操作，csv库完全可以满足我们的需求，但是，对于复杂的数据操作和分析，我们可以考虑使用 Pandas。Pandas 是 Python 中用于数据操作和分析的第三方库，它提供了处理 CSV 数据的强大功能。我们将在未来详细讲解 Pandas 的应用。

总结

在本节中，我们探讨了 CSV 文件的基础知识，包括它们的历史和常见用途；然后，我们还学习了如何使用 Python 内置的 csv 模块来操作 CSV 文件。

请记住，在处理 CSV 文件时，尽量遵循最佳实践，并选择最适合我们数据处理需求的方法。