Python CSV库:数据处理的超级英雄

一、CSV是什么？

CSV就像是一个电子表格，数据排成行和列，用逗号分隔。

想象它是一个非常整洁的表格，每一行是一条记录，每一列是一种信息。

二、CSV库的基本功能

1. 读取CSV文件

2. 写入CSV文件

3. 处理不同格式的数据

三、实战教学

1. 读取CSV文件

import csv
# 最简单的读取方式
with open('students.csv', 'r') as file:
# 创建读取器
reader = csv.reader(file)

# 逐行读取
for row in reader:
print(row) # 每一行是一个列表

2. 写入CSV文件

import csv
# 准备数据
students = [
['小明', 18, '男'],
['小红', 17, '女']
]
# 写入文件
with open('new_students.csv', 'w', newline='') as file:
				writer = csv.writer(file)

# 写入标题行
writer.writerow(['姓名', '年龄', '性别'])

# 写入数据
writer.writerows(students)

3. 字典方式读写（更高级）

import csv
# 字典方式读取
with open('students.csv', 'r') as file:
reader = csv.DictReader(file)
for row in reader:
			print(row['姓名'], row['年龄'])
# 字典方式写入
data = [
{'姓名': '小明', '年龄': 18, '班级': '高一'},
{'姓名': '小红', '年龄': 17, '班级': '高二'}
]
with open('students_dict.csv', 'w', newline='') as file:
# 定义字段名
fieldnames = ['姓名', '年龄', '班级']

writer = csv.DictWriter(file, fieldnames=fieldnames)

# 写入标题
writer.writeheader()

# 写入数据
writer.writerows(data)

四、常见场景示例

1. 成绩统计

import csv  

def calculate_average_score(filename):  
    total_score = 0  
    student_count = 0  
    
    with open(filename, 'r') as file:  
        reader = csv.DictReader(file)  
        for row in reader:  
            total_score += float(row['成绩'])  
            student_count += 1  
    
    return total_score / student_count if student_count > 0 else 0  

# 使用示例  
avg_score = calculate_average_score('scores.csv')  
print(f"平均分：{avg_score}")

2. 数据筛选

import csv  

def filter_high_performers(filename, min_score=80):  
    high_performers = []  
    
    with open(filename, 'r') as file:  
        reader = csv.DictReader(file)  
        for row in reader:  
            if float(row['成绩']) >= min_score:  
                high_performers.append(row)  
    
    return high_performers  

# 使用示例  
top_students = filter_high_performers('scores.csv')  
for student in top_students:  
    print(f"优秀学生：{student['姓名']}")

五、注意事项

1. 使用 `newline=''` 避免额外空行

2. 注意文件编码（尤其是中文）

3. 处理可能的类型转换

4. 异常处理很重要

六、实践建议

入门练习：

1. 创建一个学生信息CSV文件

2. 读取并打印所有学生信息

3. 计算平均年龄

4. 筛选特定条件的学生

进阶挑战：

1. 处理复杂的CSV文件

2. 数据清洗和转换

3. 与其他数据分析库结合

温馨提示：

- 耐心学习

- 多实践

- 不怕犯错

- 享受编程的乐趣！

学习路线图：

基础 → 读写 → 处理 → 分析 → 可视化

相信你一定可以成为数据处理高手！