Python中处理CSV文件的核心方法详解_Python

1. 模块简介

csv（comma-separated values，逗号分隔值）是一种常见的文件格式，用于存储表格数据。它使用逗号作为字段分隔符，每行代表一条记录。

python的csv模块提供了专门用于处理csv文件的功能，使得读取和写入csv文件变得简单高效。

主要功能包括：

读取csv文件内容
写入数据到csv文件
处理带标题行的csv文件
使用字典形式读写csv数据
自定义分隔符和引用符
处理csv中的特殊情况

2. 核心功能详解

2.1 基本csv读取

使用csv.reader对象可以逐行读取csv文件内容。

基本用法：

import csv

# 读取csv文件
with open('employees.csv', 'r', encoding='utf-8') as file:
    reader = csv.reader(file)
    for row_num, row in enumerate(reader, 1):
        print(f"第{row_num}行: {row}")

注意事项：

使用with语句确保文件正确关闭
指定encoding='utf-8'以正确处理中文字符
csv.reader返回的是一个迭代器，每次迭代返回一行数据，作为列表

2.2 csv写入操作

使用csv.writer对象可以将数据写入csv文件。

基本用法：

import csv

# 准备数据
sample_data = [
    ['姓名', '年龄', '城市', '职业'],
    ['张三', '25', '北京', '工程师'],
    ['李四', '30', '上海', '设计师'],
    ['王五', '28', '广州', '产品经理']
]

# 写入csv文件
with open('employees.csv', 'w', newline='', encoding='utf-8') as file:
    writer = csv.writer(file)
    writer.writerows(sample_data)

print("已创建示例csv文件 'employees.csv'")

注意事项：

使用'w'模式创建新文件或覆盖现有文件
设置newline=''以避免额外的空行
writerows()方法可以一次写入多行数据
writerow()方法用于写入单行数据

2.3 使用dictreader处理带标题的csv

csv.dictreader可以将csv文件的第一行作为字段名，返回的每行数据是一个字典，键为字段名，值为对应的数据。

基本用法：

import csv

with open('employees.csv', 'r', encoding='utf-8') as file:
    dict_reader = csv.dictreader(file)
    for row_num, row in enumerate(dict_reader, 1):
        print(f"员工{row_num}:")
        for key, value in row.items():
            print(f"  {key}: {value}")
        print()

优势：

可以通过字段名访问数据，而不是通过索引
代码更具可读性，尤其是当csv文件字段较多时
字段顺序变化时代码仍然可以正常工作

2.4 使用dictwriter写入数据

csv.dictwriter可以将字典数据写入csv文件，需要指定字段名。

基本用法：

import csv

# 准备字段名称和数据
fieldnames = ['姓名', '年龄', '城市', '职业']
new_employee = {
    '姓名': '周九',
    '年龄': '29',
    '城市': '武汉',
    '职业': '前端开发'
}

# 追加新员工数据
with open('employees.csv', 'a', newline='', encoding='utf-8') as file:
    dict_writer = csv.dictwriter(file, fieldnames=fieldnames)
    dict_writer.writerow(new_employee)

print("已使用dictwriter添加新员工")

注意事项：

必须指定fieldnames参数，定义字段的顺序
字典中的键必须与fieldnames中的字段名匹配
如果字典中缺少某些字段，会写入空值

2.5 自定义分隔符和引用符

csv文件不一定使用逗号作为分隔符，csv模块支持自定义分隔符和引用符。

基本用法：

import csv

# 创建使用分号分隔的csv文件
custom_data = [
    ['产品名称', '价格', '库存'],
    ['苹果', '5.5', '100'],
    ['香蕉', '3.2', '200'],
    ['橙子', '4.8', '150']
]

with open('products.csv', 'w', newline='', encoding='utf-8') as file:
    writer = csv.writer(file, delimiter=';', quoting=csv.quote_minimal)
    writer.writerows(custom_data)

print("已创建使用分号分隔的csv文件 'products.csv'")

# 读取自定义分隔符的csv文件
with open('products.csv', 'r', encoding='utf-8') as file:
    reader = csv.reader(file, delimiter=';')
    for row_num, row in enumerate(reader, 1):
        print(f"第{row_num}行: {row}")

常用引用模式：

csv.quote_minimal：只在必要时使用引号
csv.quote_all：对所有字段使用引号
csv.quote_nonnumeric：对非数字字段使用引号
csv.quote_none：不使用引号

2.6 处理csv中的特殊情况

csv文件中可能包含特殊字符，如引号、逗号、换行符等，csv模块可以正确处理这些情况。

基本用法：

import csv

# 创建包含特殊字符的csv数据
special_data = [
    ['姓名', '描述'],
    ['张三', '喜欢"python"编程'],
    ['李四', '爱好: 读书, 游泳, 旅行'],
    ['王五', '地址: 北京市朝阳区\n邮编: 100000']
]

with open('special.csv', 'w', newline='', encoding='utf-8') as file:
    writer = csv.writer(file, quoting=csv.quote_all)
    writer.writerows(special_data)

print("已创建包含特殊字符的csv文件 'special.csv'")

# 读取包含特殊字符的csv文件
with open('special.csv', 'r', encoding='utf-8') as file:
    reader = csv.reader(file)
    for row_num, row in enumerate(reader, 1):
        print(f"第{row_num}行: {row}")

注意事项：

使用quoting=csv.quote_all可以确保特殊字符被正确处理
包含逗号、引号或换行符的字段会被自动加上引号
读取时这些特殊字符会被正确解析

3. 实用示例

3.1 csv数据统计

示例：统计不同城市的员工数量

import csv

def count_employees_by_city(csv_file):
    """统计不同城市的员工数量"""
    city_count = {}
    
    with open(csv_file, 'r', encoding='utf-8') as file:
        dict_reader = csv.dictreader(file)
        for row in dict_reader:
            city = row['城市']
            if city in city_count:
                city_count[city] += 1
            else:
                city_count[city] = 1
    
    return city_count

# 示例使用
if __name__ == "__main__":
    # 假设employees.csv文件已存在
    city_counts = count_employees_by_city('employees.csv')
    print("各城市员工数量统计:")
    for city, count in city_counts.items():
        print(f"  {city}: {count}人")

3.2 csv数据转换

示例：将csv数据转换为json格式

import csv
import json

def csv_to_json(csv_file, json_file):
    """将csv文件转换为json文件"""
    data = []
    
    with open(csv_file, 'r', encoding='utf-8') as file:
        dict_reader = csv.dictreader(file)
        for row in dict_reader:
            data.append(row)
    
    with open(json_file, 'w', encoding='utf-8') as file:
        json.dump(data, file, ensure_ascii=false, indent=2)
    
    print(f"已将 {csv_file} 转换为 {json_file}")

# 示例使用
if __name__ == "__main__":
    csv_to_json('employees.csv', 'employees.json')

3.3 csv数据过滤

示例：过滤特定条件的记录

import csv

def filter_employees_by_age(csv_file, min_age):
    """过滤年龄大于等于指定值的员工"""
    filtered_data = []
    
    with open(csv_file, 'r', encoding='utf-8') as file:
        dict_reader = csv.dictreader(file)
        fieldnames = dict_reader.fieldnames
        
        for row in dict_reader:
            if int(row['年龄']) >= min_age:
                filtered_data.append(row)
    
    # 保存过滤结果
    output_file = f'employees_age_{min_age}+.csv'
    with open(output_file, 'w', newline='', encoding='utf-8') as file:
        dict_writer = csv.dictwriter(file, fieldnames=fieldnames)
        dict_writer.writeheader()
        dict_writer.writerows(filtered_data)
    
    print(f"已过滤并保存结果到 {output_file}")
    return filtered_data

# 示例使用
if __name__ == "__main__":
    filtered = filter_employees_by_age('employees.csv', 30)
    print(f"过滤后共有 {len(filtered)} 名员工")

3.4 csv数据合并

示例：合并多个csv文件

import csv
import os

def merge_csv_files(input_files, output_file):
    """合并多个csv文件"""
    if not input_files:
        print("没有输入文件")
        return
    
    # 读取第一个文件的表头
    with open(input_files[0], 'r', encoding='utf-8') as file:
        dict_reader = csv.dictreader(file)
        fieldnames = dict_reader.fieldnames
    
    # 合并数据
    merged_data = []
    for csv_file in input_files:
        with open(csv_file, 'r', encoding='utf-8') as file:
            dict_reader = csv.dictreader(file)
            for row in dict_reader:
                merged_data.append(row)
    
    # 写入合并结果
    with open(output_file, 'w', newline='', encoding='utf-8') as file:
        dict_writer = csv.dictwriter(file, fieldnames=fieldnames)
        dict_writer.writeheader()
        dict_writer.writerows(merged_data)
    
    print(f"已合并 {len(input_files)} 个csv文件到 {output_file}")
    print(f"总记录数: {len(merged_data)}")

# 示例使用
if __name__ == "__main__":
    input_files = ['employees1.csv', 'employees2.csv', 'employees3.csv']
    # 过滤存在的文件
    input_files = [f for f in input_files if os.path.exists(f)]
    if input_files:
        merge_csv_files(input_files, 'merged_employees.csv')
    else:
        print("没有找到输入文件")

4. 代码优化建议

使用上下文管理器：始终使用with语句来管理文件操作，确保文件正确关闭。
指定编码：在打开文件时明确指定encoding='utf-8'，确保正确处理中文字符。
错误处理：添加适当的错误处理，如filenotfounderror、permissionerror等。
选择合适的读写方式：
1. 对于简单的csv文件，使用csv.reader和csv.writer
2. 对于带标题的csv文件，使用csv.dictreader和csv.dictwriter
处理大文件：对于大型csv文件，考虑使用生成器表达式或分块处理，避免一次性加载所有数据到内存。
自定义分隔符：当处理非标准csv文件时，记得指定正确的分隔符。
引用符设置：根据数据特点选择合适的引用模式，确保特殊字符被正确处理。
字段名处理：使用dictreader时，注意csv文件的第一行是否包含字段名。
数据类型转换：csv文件中的数据默认都是字符串类型，需要根据需要进行类型转换。
性能优化：对于大量数据的读写，考虑使用csv模块的快速模式，或使用第三方库如pandas。

5. 常见问题与解决方案

5.1 问题：csv文件中包含中文字符导致乱码

解决方案：在打开文件时明确指定encoding='utf-8'，确保中文字符被正确处理。

5.2 问题：csv文件读取时出现额外的空行

解决方案：在打开文件时设置newline=''，避免python的换行符处理与csv模块的处理冲突。

5.3 问题：csv文件中的数字被读取为字符串

解决方案：在读取后手动将需要的字段转换为数字类型，例如：age = int(row['年龄'])。

5.4 问题：csv文件中的字段包含逗号或引号

解决方案：使用适当的引用模式，如quoting=csv.quote_all，确保特殊字符被正确处理。

5.5 问题：dictreader读取时字段名包含空格

解决方案：可以在读取后手动处理字段名，去除空格，或者在写入时确保字段名不包含空格。

5.6 问题：大型csv文件读取内存不足

解决方案：使用迭代器逐行读取，避免一次性加载所有数据到内存。

5.7 问题：写入csv文件时日期格式不正确

解决方案：在写入前将日期转换为适当的字符串格式，例如：date.strftime('%y-%m-%d')。

6. 总结

csv文件是一种简单而广泛使用的数据交换格式，python的csv模块提供了强大的功能来处理csv文件。通过本教程，你应该已经了解了：

如何使用csv.reader和csv.writer进行基本的csv读写操作
如何使用csv.dictreader和csv.dictwriter以字典形式处理csv数据
如何自定义分隔符和引用符
如何处理csv中的特殊情况
实用的csv数据处理示例
常见问题的解决方案

在实际应用中，csv文件处理是一个常见的任务，无论是数据导入导出、数据清洗还是数据分析，都需要掌握这些基本技能。通过不断练习和实践，你将能够更加高效地处理各种csv文件操作任务。

对于更复杂的csv处理需求，你还可以考虑使用第三方库如pandas，它提供了更高级的csv处理功能，如数据框操作、数据筛选、聚合等。

以上就是python中处理csv文件的核心方法详解的详细内容，更多关于python处理csv文件方法的资料请关注代码网其它相关文章！

Python中处理CSV文件的核心方法详解

2026年03月13日 • Python •我要评论

1. 模块简介

2. 核心功能详解

2.1 基本csv读取

2.2 csv写入操作

2.3 使用dictreader处理带标题的csv

2.4 使用dictwriter写入数据

2.5 自定义分隔符和引用符

2.6 处理csv中的特殊情况

3. 实用示例

3.1 csv数据统计

3.2 csv数据转换

3.3 csv数据过滤

3.4 csv数据合并

4. 代码优化建议

5. 常见问题与解决方案

5.1 问题：csv文件中包含中文字符导致乱码

5.2 问题：csv文件读取时出现额外的空行

5.3 问题：csv文件中的数字被读取为字符串

5.4 问题：csv文件中的字段包含逗号或引号

5.5 问题：dictreader读取时字段名包含空格

5.6 问题：大型csv文件读取内存不足

5.7 问题：写入csv文件时日期格式不正确

6. 总结

相关文章:

基于Python打造三个AI小工具(自动总结+写代码+查资料)的完整指南

发表评论


验证码：