使用Python讀寫csv文件的三種方法

Python讀寫csv文件

覺得有用的話,歡迎一起討論相互學習~

前言

逗號分隔值（Comma-Separated Values，CSV，有時也稱為字符分隔值，因為分隔字符也可以不是逗號），其文件以純文本形式存儲表格數據（數字和文本）。純文本意味着該文件是一個字符序列，不含必須像二進制數字那樣被解讀的數據。CSV文件由任意數目的記錄組成，記錄間以某種換行符分隔；每條記錄由字段組成，字段間的分隔符是其它字符或字符串，最常見的是逗號或制表符。通常，所有記錄都有完全相同的字段序列.

特點

• 讀取出的數據一般為字符類型，如果是數字需要人為轉換為數字
• 以行為單位讀取數據
• 列之間以半角逗號或制表符為分隔，一般為半角逗號
• 一般為每行開頭不空格，第一行是屬性列，數據列之間以間隔符為間隔無空格，行之間無空行。

行之間無空行十分重要，如果有空行或者數據集中行末有空格，讀取數據時一般會出錯，引發[list index out of range]錯誤。PS：已經被這個錯誤坑過很多次！

使用python I/O寫入和讀取CSV文件

使用PythonI/O寫入csv文件

• 以下是將"birthweight.dat"低出生體重的dat文件從作者源處下載下來，並且將其處理后保存到csv文件中的代碼。

import csv
import os
import numpy as np
import random
import requests
# name of data file
# 數據集名稱
birth_weight_file = 'birth_weight.csv'

# download data and create data file if file does not exist in current directory
# 如果當前文件夾下沒有birth_weight.csv數據集則下載dat文件並生成csv文件
if not os.path.exists(birth_weight_file):
    birthdata_url = 'https://github.com/nfmcclure/tensorflow_cookbook/raw/master/01_Introduction/07_Working_with_Data_Sources/birthweight_data/birthweight.dat'
    birth_file = requests.get(birthdata_url)
    birth_data = birth_file.text.split('\r\n')
    # split分割函數,以一行作為分割函數，windows中換行符號為'\r\n',每一行后面都有一個'\r\n'符號。
    birth_header = birth_data[0].split('\t')
    # 每一列的標題，標在第一行，即是birth_data的第一個數據。並使用制表符作為划分。
    birth_data = [[float(x) for x in y.split('\t') if len(x) >= 1] for y in birth_data[1:] if len(y) >= 1]
    print(np.array(birth_data).shape)
    # (189, 9)
    # 此為list數據形式不是numpy數組不能使用np,shape函數,但是我們可以使用np.array函數將list對象轉化為numpy數組后使用shape屬性進行查看。
    with open(birth_weight_file, "w", newline='') as f:
    # with open(birth_weight_file, "w") as f:
        writer = csv.writer(f)
        writer.writerows([birth_header])
        writer.writerows(birth_data)
        f.close()

常見錯誤list index out of range

• 其中我們重點需要講的是 with open(birth_weight_file, "w", newline='') as f: 這個語句。表示寫入csv文件,如果不加上參數 newline='' 表示以空格作為換行符，而是用 with open(birth_weight_file, "w") as f: 語句。則生成的表格中會出現空行。

• 不僅僅是用python I/O進行csv數據的讀寫時，利用其余方法讀寫csv數據，或者從網上下載好csv數據集后都需要查看其每行后有沒有空格，或者有沒有多余的空行。避免不必要的錯誤~影響數據分析時的判斷。

使用PythonI/O讀取csv文件

• 使用python I/O方法進行讀取時即是新建一個List 列表然后按照先行后列的順序(類似C語言中的二維數組)將數據存進空的List對象中，如果需要將其轉化為numpy 數組也可以使用np.array(List name)進行對象之間的轉化。

birth_data = []
with open(birth_weight_file) as csvfile:
    csv_reader = csv.reader(csvfile)  # 使用csv.reader讀取csvfile中的文件
    birth_header = next(csv_reader)  # 讀取第一行每一列的標題
    for row in csv_reader:  # 將csv 文件中的數據保存到birth_data中
        birth_data.append(row)


birth_data = [[float(x) for x in row] for row in birth_data]  # 將數據從string形式轉換為float形式


birth_data = np.array(birth_data)  # 將list數組轉化成array數組便於查看數據結構
birth_header = np.array(birth_header)
print(birth_data.shape)  # 利用.shape查看結構。
print(birth_header.shape)
#
# (189, 9)
# (9,)

使用Pandas讀取CSV文件

import pandas as pd

csv_data = pd.read_csv('birth_weight.csv')  # 讀取訓練數據
print(csv_data.shape)  # (189, 9)
N = 5
csv_batch_data = csv_data.tail(N)  # 取后5條數據
print(csv_batch_data.shape)  # (5, 9)
train_batch_data = csv_batch_data[list(range(3, 6))]  # 取這20條數據的3到5列值(索引從0開始)
print(train_batch_data)

#      RACE  SMOKE  PTL
# 184   0.0    0.0  0.0
# 185   0.0    0.0  1.0
# 186   0.0    1.0  0.0
# 187   0.0    0.0  0.0
# 188   0.0    0.0  1.0

使用Tensorflow讀取CSV文件

• 本人在平時一般都是使用Tensorflow處理各類數據，所以對於使用Tensorflow讀取數據在此不過多的進行解釋。下面貼上一段代碼，如果有不懂的地方可以看我原來的博客內容。

tf_train_shuffle_batch函數解析

Tensorflow簡單CNN實現

利用TFRecords存儲與讀取帶標簽的圖片

'''使用Tensorflow讀取csv數據'''
filename = 'birth_weight.csv'
file_queue = tf.train.string_input_producer([filename])  # 設置文件名隊列，這樣做能夠批量讀取文件夾中的文件
reader = tf.TextLineReader(skip_header_lines=1)  # 使用tensorflow文本行閱讀器，並且設置忽略第一行
key, value = reader.read(file_queue)
defaults = [[0.], [0.], [0.], [0.], [0.], [0.], [0.], [0.], [0.]]  # 設置列屬性的數據格式
LOW, AGE, LWT, RACE, SMOKE, PTL, HT, UI, BWT = tf.decode_csv(value, defaults)
# 將讀取的數據編碼為我們設置的默認格式
vertor_example = tf.stack([AGE, LWT, RACE, SMOKE, PTL, HT, UI])  # 讀取得到的中間7列屬性為訓練特征
vertor_label = tf.stack([BWT])  # 讀取得到的BWT值表示訓練標簽

# 用於給取出的數據添加上batch_size維度，以批處理的方式讀出數據。可以設置批處理數據大小，是否重復讀取數據，容量大小，隊列末尾大小，讀取線程等屬性。
example_batch, label_batch = tf.train.shuffle_batch([vertor_example, vertor_label], batch_size=10, capacity=100, min_after_dequeue=10)

# 初始化Session
with tf.Session() as sess:
    coord = tf.train.Coordinator()  # 線程管理器
    threads = tf.train.start_queue_runners(coord=coord)
    print(sess.run(tf.shape(example_batch)))  # [10  7]
    print(sess.run(tf.shape(label_batch)))  # [10  1]
    print(sess.run(example_batch)[3])  # [ 19.  91.   0.   1.   1.   0.   1.]
    coord.request_stop()
    coord.join(threads)

'''
對於使用所有Tensorflow的I/O操作來說開啟和關閉線程管理器都是必要的操作
with tf.Session() as sess:
    coord = tf.train.Coordinator()  # 線程管理器
    threads = tf.train.start_queue_runners(coord=coord)
    #  Your code here~
    coord.request_stop()
    coord.join(threads)
'''

還有其他使用python讀取文件的各種方法，這里介紹三種，不定期進行補充。