Maison >développement back-end >Tutoriel Python >Comment lire et écrire efficacement des fichiers CSV en Python ?

Comment lire et écrire efficacement des fichiers CSV en Python ?

Mary-Kate Olsen
Mary-Kate Olsenoriginal
2024-12-24 19:00:12256parcourir

How to Efficiently Read and Write CSV Files in Python?

Comment gérer les opérations sur les fichiers CSV en Python ?

Les fichiers CSV (Comma Separated Values) sont une méthode courante pour stocker des données tabulaires dans un fichier texte. Python dispose d'une bibliothèque standard qui prend en charge à la fois la lecture et l'écriture de fichiers CSV.

Lecture d'un fichier CSV

Pour lire un fichier CSV dans une liste de tuples, vous pouvez utiliser le module csv comme suit :

import csv

with open('myfile.csv', 'r') as f:
    reader = csv.reader(f)
    data = [row for row in reader]

Écrire un fichier CSV

Pour écrire une liste de tuples dans un fichier CSV, vous peut utiliser le module csv comme suit :

import csv

with open('myfile.csv', 'w') as f:
    writer = csv.writer(f)
    writer.writerows(data)

Exemple : Lire et écrire un fichier CSV

Voici un exemple qui montre comment lire et écrire un fichier CSV :

import csv

# Define the CSV data
data = [
    (1, 'A towel', 1.0),
    (42, 'it says', 2.0),
    (1337, 'is about the most', -1),
    (0, 'massively useful thing', 123),
    (-2, 'an interstellar hitchhiker can have.', 3)
]

# Write the data to a CSV file
with open('myfile.csv', 'w') as f:
    writer = csv.writer(f)
    writer.writerows(data)

# Read the data from the CSV file
with open('myfile.csv', 'r') as f:
    reader = csv.reader(f)
    data_read = [row for row in reader]

# Print the data
print(data_read)

Utilisation de Pandas pour la gestion des fichiers CSV

Pandas est une bibliothèque Python populaire pour l'analyse de données qui offre un moyen pratique pour gérer les fichiers CSV. Vous pouvez utiliser Pandas pour lire un fichier CSV dans un DataFrame, que vous pouvez ensuite manipuler et enregistrer en tant que fichier CSV.

import pandas as pd

# Read the CSV file into a DataFrame
df = pd.read_csv('myfile.csv', index_col=0)

# Make some changes to the DataFrame
df['Amount'] *= 2

# Write the DataFrame to a new CSV file
df.to_csv('new_myfile.csv')

Fin de fichier CSV courante

La fin de fichier la plus courante pour Les fichiers CSV sont .csv. D'autres terminaisons moins courantes incluent .txt et .dat.

Travailler avec des données CSV

Une fois que vous avez lu un fichier CSV dans une liste de tuples, une liste de dicts ou un DataFrame Pandas, vous pouvez travailler avec les données à l'aide des méthodes Python standard. Par exemple, vous pouvez parcourir les données, accéder à des valeurs individuelles ou effectuer des calculs sur les données.

Alternatives au CSV

En plus du CSV, il existe d'autres formats de données que vous pouvez utiliser en Python. Certaines alternatives courantes incluent :

  • JSON : un format populaire pour stocker des données dans un format lisible par l'homme.
  • YAML : un format similaire à JSON mais plus verbeux et humain -lisible.
  • Pickle : un format spécifique à Python qui peut sérialiser n'importe quel objet Python.
  • MessagePack : un binaire format plus compact que JSON ou YAML.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Déclaration:
Le contenu de cet article est volontairement contribué par les internautes et les droits d'auteur appartiennent à l'auteur original. Ce site n'assume aucune responsabilité légale correspondante. Si vous trouvez un contenu suspecté de plagiat ou de contrefaçon, veuillez contacter admin@php.cn