对于文件的操作中,读写csv操作是一个比较常见的操作,很多时候可能会选择使用python中的文件读取的方式对csv文件操作,这种方式并没有什么问题,但读写的效率不高,编写的代码量也偏多。
这里介绍使用pandas进行简单的读。写也基本类似。
一、Pandas读取表头:
使用pandas读取表头很简单,一行代码搞定,如下:
1
2
|
# 读取表头
head_row = pd.read_csv('123.csv', nrows=0)
|
这一行代码读取的是一个对象,如果要以列表形式输出,可以增加如下一行代码:
1
2
|
# 表头列转为 list
head_row_list = list(head_row)
|
二、读取具体数据:
以文件读取的方式读取具体数据,需要的代码量比较多,也需要做循环遍历,使用pandas操作如下:
1
2
3
4
|
# 读取
csv_result = pd.read_csv('123.csv', usecols=head_row_list)
row_list = csv_result.values.tolist()
print(f"行读取结果:{row_list}")
|
上面展示的是打印行读取的结果。使用pandas,还可以很方便的将行转换为列,并打印出行转列的结果,如下代码段:
1
2
3
4
|
col_obj = csv_result.T
col_list = col_obj.values.tolist()
print(f"行转列读取结果:{col_list}")
return head_row_list, col_list
|
完整的代码如下:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
|
import pandas as pd
def csv_file_read():
# 读取表头
head_row = pd.read_csv('123.csv', nrows=0)
print(list(head_row))
# 表头列转为 list
head_row_list = list(head_row)
# 读取
csv_result = pd.read_csv('123.csv', usecols=head_row_list)
row_list = csv_result.values.tolist()
print(f"行读取结果:{row_list}")
col_obj = csv_result.T
col_list = col_obj.values.tolist()
print(f"行转列读取结果:{col_list}")
return head_row_list, col_list
if __name__ == '__main__':
csv_file_read()
|
是不是很简单,十几行代码即可搞定。
|