话不多说,开干!!!

目录

1. 使用 csv 模块

2.使用 numpy 库

3.使用pandas库

4.使用标准库中的 csv 模块

5.注意事项


1. 使用 csv 模块

(1)项目目录下图所示


(2)代码如下:

import csv

filename = './data/test.csv'

with open(filename, "r") as csvfile:
    csvreader = csv.reader(csvfile)

    # 遍历csvreader对象的每一行内容输出
    for row in csvreader:
        print(row)

(3)效果如下:

2.使用 numpy

(1)项目结构如下:

(2)代码如下:

# 使用 numpy 库:
import numpy as np

filename = './data/test.csv'
# delimiter参数的作用是指定分隔符,dtype参数的作用是指定数据类型
data = np.genfromtxt(filename, delimiter=' ', dtype=str)

print('df数据类型为:{}'.format(type(data)))
print(data)

(3)效果如下:

3.使用pandas

(1)项目结构如下:

(2)代码如下:

# 使用 pandas 库:

import pandas as pd

filename = './data/test.csv'

df = pd.read_csv(filename)

print('df数据类型为:{}'.format(type(df)))
print(df)

(3)效果如下:

4.使用标准库中的 csv 模块

(1)项目结构如下:

(2)代码如下:

# 使用标准库中的 csv 模块:
import csv

filename = './data/test.csv'

with open(filename, newline='') as csvfile:
    reader = csv.DictReader(csvfile)

    # 遍历csvreader对象的每一行内容输出
    for row in reader:
        print(row)

(3)效果如下:

5.注意事项

                请注意,这个程序假设您的 CSV 文件已经存在,并且可以正确读取。如果您的 CSV 文件不在当前目录中,您需要提供完整的文件路径

         这些方法读取 CSV 文件时都有不同的优缺点,您可以根据自己的需求选择合适的方法。例如,如果您想要快速、方便地处理 CSV 文件并将其转换为 DataFrame 对象,则可以使用 pandas 库;如果您想要更高级的控制和更灵活的选项,则可以使用标准库中的 csv 模块。

原文地址:https://blog.csdn.net/spx_0108/article/details/130706946

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。

如若转载,请注明出处:http://www.7code.cn/show_11787.html

如若内容造成侵权/违法违规/事实不符,请联系代码007邮箱suwngjj01@126.com进行投诉反馈,一经查实,立即删除

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注