《Python编程基础》课件-6.4.2CSV文件处理

CSV文件处理教学目标1.了解什么是CSV文件

2.导入csv模块并了解其基本功能

3.掌握使用csv.reader读取CSV文件

4.掌握使用csv.writer写入CSV文件CSV（Comma-SeparatedValues，逗号分隔值）是常用纯文本表格数据格式，用于存储数据库导出、电子表格等结构化数据：每行对应一条记录，列以逗号分隔（首行常为标题行），兼具简单性、跨平台兼容性与轻量特性，是数据交换的标准格式。核心概念：含分隔符（默认逗号，可自定义）、引用符（双引号，避免含逗号字段解析错误）、转义字符、编码（encoding，如UTF-8以支持多语言）。与JSON/XML相比，CSV更轻量，但不支持嵌套结构。1、什么是CSV文件及其重要性importos#导入os模块用于文件操作ifos.path.exists('data.csv'):#检查文件是否存在，避免错误withopen('data.csv','r',encoding='utf-8')asfile:#使用with打开文件，确保自动关闭；指定编码防止乱码content=file.read()#读取整个文件作为字符串print(content)#输出内容，展示CSV结构：行以换行分隔，列以逗号分隔核心概念:Python的标准库包含csv模块，无需pip安装，直接导入即可使用。它提供读取和写入CSV的专用工具，比手动字符串操作更可靠和高效。2.导入csv模块并了解其基本功能importcsv#导入csv模块，开始使用其功能print(csv.version)#输出'1.0'或类似，确认标准库版本dialect=csv.get_dialect('excel')#获取Excel兼容dialectprint(f"Delimiter:{dialect.delimiter}")#输出默认分隔符','print(f"Quotechar:{dialect.quotechar}")#输出默认引用符'"'withopen('data.csv','r',newline='',encoding='utf-8')ascsvfile:#newline=''防止多余空行；encoding处理国际字符reader=csv.reader(csvfile,dialect='excel')#创建reader对象，使用指定dialectforrowinreader:#迭代每行，返回列表print(row)#示例输出：['Name','Age','City']核心概念:处理标题行（使用next(reader)跳过或存储）；错误处理（如csv.Error异常）；内存效率（逐行读取）。在实际中，常结合循环过滤数据，例如只读取年龄大于18的记录。3.使用csv.reader读取CSV文件importcsv#导入模块withopen('students.csv','r',newline='',encoding='utf-8')ascsvfile:#安全打开文件reader=csv.reader(csvfile,delimiter=',',quotechar='"',skipinitialspace=True)#创建reader，忽略字段前空格header=next(reader,None)#读取标题行，如果无则Noneifheader:print("Header:",header)#输出['Name','Age','Grade']forrowinreader:#遍历数据行iflen(row)==3:#确保行完整name,age,grade=row#解包到变量print(f"{name}is{age}yearsoldwithgrade{grade}")#格式化输出，age可转换为int(int(age))try:exceptcsv.Errorase:#捕获解析错误print(f"Error:{e}")#如分隔符不匹配csv.writer用于将数据写入CSV，支持列表或元组输入，自动添加分隔符和引用。写入模式包括'w'（覆盖）和'a'（追加）。核心概念:writerow()写单行，writerows()写多行；quoting参数控制引用策略（如csv.QUOTE_ALL全部引用）；确保数据类型一致，避免写入None导致空字段。4.使用csv.writer写入CSV文件importcsv#导入模块header=['Product','Price','Quantity']#标题列表rows=[['Apple',1.5,10],['Banana',0.75,20]]#数据行列表withopen('inventory.csv','w',newline='',encoding='utf-8')ascsvfile:#'w'模式创建或覆盖文件writer=csv.writer(csvfile,delimiter=',',quoting=csv.QUOTE_MINIMAL)#创建writer，只引用必要字段writer.writerow(header)#写入标题writer.writerows(rows)#批量写入数据行异常处理捕获如ValueError无效行，使用try。在Python中，集成pandas高效读写。处理确保鲁棒，集成扩展功能如过滤。核心概念:异常防止崩溃，集成如pandas简化复杂任务。5.CSV异常处理与集成importcsv#导入csvtry:#尝试读取withopen('bad.csv','r')asfile:#打开reader=csv.reader(file)#readerforrowinreader:print(row)#处理exceptcsv.Errorase:#捕获CSV错误print(f"Error:{e}")#输出importpandasaspd#集成pandasdf=pd.read_csv('data.csv')#读取为DataFrameprint(df.head())#输出前5行pandasread_csv读取CSV为DataFrame，支持参数如sep自定义分隔。在Python中，结合csv预处理。用于数据分析。核心概念:pandas增强csv，添加统计功能。6.CSV与pandas结合importpandasaspd#导入pandasdf=pd.read_csv('large.csv',sep=';',usecols=['col1','col2'])#读取，指定分隔和列df=df[df['col1']>10]#过滤行print(df.describe())#输出统计清洗处理缺失、重复，使用pandasdropna或drop_duplicates。在Python中，fillna填充。用于准备分析数据。核心概念:清洗提升数据质量。7.CSV数据清洗importpandasaspd#导入df=pd.read_csv('dirty.csv')#读取df=df.dropna(subset=['key_col'])#删除缺失行df=df.drop_duplicates()#去除重复df['price']=df['price'].fillna(0)#填充0df.to_