使用Python处理CSV和Excel文件的操作方法

2025-01-18 04:50
文章标签 python csv excel 操作方法 处理 使用

本文主要是介绍使用Python处理CSV和Excel文件的操作方法，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

《使用Python处理CSV和Excel文件的操作方法》在数据分析、自动化和日常开发中,CSV和Excel文件是非常常见的数据存储格式,ython提供了强大的工具来读取、编辑和保存这两种文件,满足从基...

1. CSV 文件概述和处理方法

1.1 CSV 文件格式的基本介绍

CSV（Comma-Separated Values，逗号分隔值）文件是一种简单的文本文件格式，用于存储表格数据，其中每一行代表一条记录，行中的每个字段通过逗号分隔。CSV 文件通常用于数据交换和存储。它的优点是简单、轻量、易于读取和写入，缺点是无法存储复杂的格式和公式。

例如，一个典型的 CSV 文件内容如下：

Name,Age,Gender
Alice,25,Female
Bob,30,Male
Charlie,35,Male

1.2 使用 Python 内置 csv 模块处理 CSV 文件

Python 提供了内置的 csv 模块，用于读取和写入 CSV 文件。它提供了简单的接口，可以直接与文件进行交互。

读取 CSV 文件

import csv
 
# 打开 CSV 文件
with open('example.csv', mode='r') as file:
    reader = csv.reader(file)
    for row in reader:
        print(row)

 写入 CSV 文件

import csv
 
# 数据准备
data = [['Name', 'Age', 'Gender'], ['Alice', android25, 'Female'], ['Bob', 30, 'Male']]
 
# 写入 CSV 文件
with open('output.csv', mode='w', newline='') as file:
    writer = csv.writer(fileandroid)
    writer.writerows(data)

使用 DictReader 和 DictWriter

对于键值对的操作，可以使用 DictReader 和 DictWriter，它们允许以字典的形式读取和写入数据。

import csv
 
# 读取 CSV 文件为字典
with open('example.csv', mode='r') as file:
    reader = csv.DictReader(file)
    for row in reader:
        print(row)
 
# 写入 CSV 文件为字典
data = [{'Name': 'Alice', 'Age': 25, 'Gender': 'Female'}, {'Name': 'Bob', 'Age': 30, 'Gender': 'Male'}]
with open('output.csv', mode='w', newline='') as file:
    fieldnames = ['Name', 'Age', 'Gender']
    writer = csv.DictWriter(file, fieldnames=fieldnames)
    writer.writeheader()
    writer.writerows(data)

1.3 使用 pandas 处理 CSV 文件

pandas 是一个强大的数据分析库，提供了更高javascript级和方便的 CSV 文件处理功能。它使用 read_csv 和 to_csv 方法，可以直接将 CSV 文件读取为 DataFrame 数据结构，并支持复杂的数据操作。

读取 CSV 文件

import pandas as pd
 
# 读取 CSV 文件为 DataFrame
df = pd.read_csv('example.csv')
print(df)

写入 CSV 文件

import pandas as pd
 
# 数据准备
data = {'Name': ['Alice', 'Bob'], 'Age': [25, 30], 'Gender': ['Female', 'Male']}
df = pd.DataFrame(data)
 
# 写入 CSV 文件
df.to_csv('output.csv', index=False)

数据过滤和操作

# 过滤年龄大于 30 的行
filtered_df = df[df['Age'] > 30]
print(filtered_df)
 
# 添加新列
df['Country'] = ['USA', 'UK']
print(df)

2. Excel 文件概述和处理方法

2.1 Excel 文件格式的基本介绍

Excel 文件是一种用于电子表格的文件格式，支持表格数据、公式、图表和其他格式化内容。Excel 文件有两种常见的格式：

  • .xls：Excel 97-2003 的文件格式，基于二进制格式。
  • .xlsx：Excel 2007 及以后的版本使用的 XML 基础格式，支持更多功能。

2.2 使用 openpyxl 处理 Excel 文件

openpyxl 是 Python 用于读取和写入 Excel .xlsx 文件的第三方库。

读取 Excel 文件

from openpyxl impojavascriptrt load_workbook
 
# 加载 Excel 文件
wb = load_workbook('example.xlsx')
sheet = wb.active
 
# 读取单元格数据
for row in sheet.iter_rows(values_only=True):
    print(row)

写入 Excel 文件

from openpyxl import Workbook
 
# 创建一个新的 Excel 文件
wb = Workbook()
sheet = wb.active
 
# 写入数据
sheet['A1'] = 'Name'
sheet['A2'] = 'Alice'
sheet['B1'] = 'Age'
sheet['B2'] = 25
 
# 保存 Excel 文件
wb.save('output.xlsx')

设置单元格样式

from openpyxl.styles import Font, Color, Alignment
 
# 设置字体和对齐
sheet['A1'].font = Font(bold=True, color="FF0000")
sheet['A1'].alignment = Alignment(horizontal="center")
 
wb.save('styled_output.xlsx')

2.3 使用 xlrd 和 xlwt 处理 Excel 文件

xlrd 用于读取 .xls 文件，而 xlwt 用于写入 .xls 文件。

读取 Excel 文件（xlrd）

import xlrd
 
# 打开 Excel 文件
workbook = xlrd.open_workbook('example.xls')
sheet = workbook.sheet_by_index(0)
 
# 读取数据
for row in range(sheet.nrows):
    print(sheet.row_values(row))

写入 Excel 文件（xlwt）

import xlwt
 
# 创建 Excel 文件
workbook = xlwt.Workbook()
sheet = workbook.add_sheet('Sheet1')
 
# 写入数据
sheet.write(0, 0, 'Name')
sheet.write(0, 1, 'Age')
sheet.write(1, 0, 'Alice')
sheet.write(1, 1, 25)
 
# 保存 Excel 文件
workbook.save('output.xls')

2.4 使用 pandas 处理 Excel 文件

pandas 同样提供了强大的 Excel 文件处理功能，通过 read_excel 和 to_excel 方法，可以方便地读取和写入 Excel 文件。

读取 Excel 文件

import pandas as pd
 
# 读取 Excel 文件为 DataFrame
df = pd.read_excel('example.xlsx')
print(df)

写入 Excel 文件

import pandas as pd
 
# 数据准备
data = {'Name': ['Alice', 'Bob'], 'Age': [25, 30], 'Gender': ['Female', 'Male']}
df = pd.DataFrame(data)
 
# 写入 Excel 文件
df.to_excel('output.xlsx', index=False)

3. CSV 与 Excel 文件的比较与选择

3.1 CSV 与 Excel 的异同

  • CSV 文件：简单的文本文件，易于存储和传输，但无法保存复杂的格式、公式和图表。适用于存储纯数据。
  • Excel 文件：支持丰富的格式、公式、图表等功能。适用于需要复杂格式和计算的场景。

3.2 选择合适的文件格式

  • 数据量较小且不需要复杂格式：选择 CSV 格式。
  • 需要支持公式、图表或复杂格式：选择 Excel 格式。

3.3 优化大数据量文件的读取与写入

  • 使用 pandas 的 chunksize 参数分批读取大文件。
  • 使用 openpyxl 时，避免一次性加载整个工作簿，分批加载和保存数据。

4. 性能优化和进阶技巧

4.1 使用 pandas 优化大文件的读取与处理

对于大数据量的文件，pandas 提供了 chunksize 参数，允许按块读取 CSV 或 Excel 文件，从而避免一次性将所有数据加载到内存中。

import pandas as pd
 
chunk_size = 10000
chunks = pd.read_csv('large_file.csv', chunksize=chunk_size)
for chunk in chunks:
    # 处理每一块数据
    print(chunk.head())

4.2 异常数据的清洗与处理

处理 CSV 或 Excel 文件时，常常会遇到缺失值、重复数据等问题。使用 pandas 可以方便地进行数据清洗：

# 去除缺失值
df.dropna(inplace=True)
 
# 填充缺失值
df.fillna(0, inplace=True)
 
# 去除重复数据
df.drop_duplicates(inplace=True)

4.3 批量处理 CSV 和 Excel 文件

对于多个文件的处理，可以使用 os 模块遍历文件夹，批量读取和写入文件。

import os
import pandas as pd
 
for file in os.listdir('csv_files'):
    if file.endswith('.csv'):
        df = pd.read_csv(f'csv_files/{file}')
        # 处理文件
        df.to_csv(f'processed_{file}', index=False)

5. 常见问题与错误处理

5.1 处理文件编码问题

在处理 CSV 文件时，可能会遇到编码问题。可以使用 encoding 参数指定文件的编码格式。

df = pd.read_csv('file.csv', encoding='utf-8')

5.2 数据缺失值的处理

缺失值处理是数据分析中的常见问题，可以通过 pandas 提供的 dropna、fillna 方法进行处理。

5.3 Excel 文件读写中的常见错误

在使用 openpyxl 或 pandas 处理 Excel 文件时，常见的错误包括文件格式不兼容android、文件损坏等。需要确保文件路径正确，并使用适当的库来处理文件格式。

到此这篇关于使用Python处理CSV和Excel文件的操作方法的文章就介绍到这了,更多相关Python处理CSV和Excel内容请搜索China编程(www.chinasem.cn)以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程China编程(www.chinasem.cn)！

这篇关于使用Python处理CSV和Excel文件的操作方法的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/1153111。

相关文章

Python如何计算两个不同类型列表的相似度

Python如何计算两个不同类型列表的相似度

《Python如何计算两个不同类型列表的相似度》在编程中,经常需要比较两个列表的相似度,尤其是当这两个列表包含不同类型的元素时,下面小编就来讲讲如何使用Python计算两个不同类型列表的相似度吧... 目录摘要引言数字类型相似度欧几里得距离曼哈顿距离字符串类型相似度Levenshtein距离Jaccard相
阅读更多...
SpringBoot中使用 ThreadLocal 进行多线程上下文管理及注意事项小结

SpringBoot中使用 ThreadLocal 进行多线程上下文管理及注意事项小结

《SpringBoot中使用ThreadLocal进行多线程上下文管理及注意事项小结》本文详细介绍了ThreadLocal的原理、使用场景和示例代码,并在SpringBoot中使用ThreadLo... 目录前言技术积累1.什么是 ThreadLocal2. ThreadLocal 的原理2.1 线程隔离2
阅读更多...
Python安装时常见报错以及解决方案

Python安装时常见报错以及解决方案

《Python安装时常见报错以及解决方案》：本文主要介绍在安装Python、配置环境变量、使用pip以及运行Python脚本时常见的错误及其解决方案,文中介绍的非常详细,需要的朋友可以参考下... 目录一、安装 python 时常见报错及解决方案（一）安装包下载失败（二）权限不足二、配置环境变量时常见报错及
阅读更多...
Python中顺序结构和循环结构示例代码

Python中顺序结构和循环结构示例代码

《Python中顺序结构和循环结构示例代码》：本文主要介绍Python中的条件语句和循环语句,条件语句用于根据条件执行不同的代码块,循环语句用于重复执行一段代码,文章还详细说明了range函数的使... 目录一、条件语句（1）条件语句的定义（2）条件语句的语法（a）单分支 if（b）双分支 if-else（
阅读更多...
springboot将lib和jar分离的操作方法

springboot将lib和jar分离的操作方法

《springboot将lib和jar分离的操作方法》本文介绍了如何通过优化pom.xml配置来减小SpringBoot项目的jar包大小,主要通过使用spring-boot-maven-plugin... 遇到一个问题，就是每次maven package或者maven install后target中的ja
阅读更多...
Python itertools中accumulate函数用法及使用运用详细讲解

Python itertools中accumulate函数用法及使用运用详细讲解

《Pythonitertools中accumulate函数用法及使用运用详细讲解》：本文主要介绍Python的itertools库中的accumulate函数,该函数可以计算累积和或通过指定函数... 目录1.1前言：1.2定义：1.3衍生用法：1.3Leetcode的实际运用:总结 1.1前言：本文将详
阅读更多...
Java深度学习库DJL实现Python的NumPy方式

Java深度学习库DJL实现Python的NumPy方式

《Java深度学习库DJL实现Python的NumPy方式》本文介绍了DJL库的背景和基本功能,包括NDArray的创建、数学运算、数据获取和设置等,同时,还展示了如何使用NDArray进行数据预处理... 目录1 NDArray 的背景介绍1.1 架构2 JavaDJL使用2.1 安装DJL2.2 基本操
阅读更多...
在不同系统间迁移Python程序的方法与教程

在不同系统间迁移Python程序的方法与教程

《在不同系统间迁移Python程序的方法与教程》本文介绍了几种将Windows上编写的Python程序迁移到Linux服务器上的方法,包括使用虚拟环境和依赖冻结、容器化技术（如Docker）、使用An... 目录使用虚拟环境和依赖冻结1. 创建虚拟环境2. 冻结依赖使用容器化技术（如 docker）1. 创
阅读更多...
浅析如何使用Swagger生成带权限控制的API文档

浅析如何使用Swagger生成带权限控制的API文档

《浅析如何使用Swagger生成带权限控制的API文档》当涉及到权限控制时,如何生成既安全又详细的API文档就成了一个关键问题,所以这篇文章小编就来和大家好好聊聊如何用Swagger来生成带有... 目录准备工作配置 Swagger权限控制给 API 加上权限注解查看文档注意事项在咱们的开发工作里，API
阅读更多...
Java数字转换工具类NumberUtil的使用

Java数字转换工具类NumberUtil的使用

《Java数字转换工具类NumberUtil的使用》NumberUtil是一个功能强大的Java工具类,用于处理数字的各种操作,包括数值运算、格式化、随机数生成和数值判断,下面就来介绍一下Number... 目录一、NumberUtil类概述二、主要功能介绍1. 数值运算2. 格式化3. 数值判断4. 随机
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2