如何在 Python 中将 CSV 文件读入列表

使用 Python 读取和处理 CSV 文件。

逗号分隔值文件（或 CSV 文件）是用于存储表格数据的最流行的文件类型。为什么您要用 Python 读取 CSV 文件？也许您的编程之旅已经将您带到了需要处理文件的地步。或者您可能想对从 IoT 传感器收集的数据执行计算。

在 Python 中处理 CSV 文件的最简单方法是使用 pandas pandas 。 从那里，你可以进一步处理数据并将 其可视化 .

但这不是唯一的方法。如果您有理由依赖纯 Python 方式，请按照以下方法操作！

将 CSV 文件读入列表列表

假设您正在处理班级考试的数据。您有姓名和成绩，并且想要计算班级平均分。为简单起见，我们假设成绩范围从 1（最差）到 6（最好）。我们在名为 的文件中拥有以下格式的数据 data.csv ：

id,student,grade
1,John,4
2,Emily,5
3,Emma,3
...

可以用一张表来表示：

如您所见，它使用逗号作为分隔符，并且我们有一个标题行。了解了所有这些，让我们编写代码吧！

>>> import csv
>>> 
>>> file = open("data.csv", "r")
>>> data = list(csv.reader(file, delimiter=","))
>>> file.close()
>>> 
>>> print(data)
[['id', 'student', 'grade'], ['1', 'John', '4'], ['2', 'Emily', '5'], ['3', 'Emma', '3'], ['4', 'Patricia', '5'], ['5', 'James', '2'], ['6', 'Michael', '4'], ['7', 'David', '3'], ['8', 'Linda', '5'], ['9', 'Andrew', '5'], ['10', 'Mary', '6'], ['11', 'Kevin', '6'], ['12', 'Barbara', '1'], ['13', 'George', '1'], ['14', 'Peter', '3'], ['15', 'Zach', '4'], ['16', 'Susan', '4'], ['17', 'Lisa', '4'], ['18', 'Tim', '4.5']]

基本上就是这样！让我们逐行检查一下脚本。

在第一行中，我们导入 csv 模块。然后我们以读取模式打开文件并将文件句柄分配给变量 file 。

接下来，我们使用 处理打开的文件 csv.reader() 。我们只需要指定第一个参数，， iterable 并指定逗号作为分隔符。正如您可能从第一个参数的名称中了解到的那样，它期望接收一个可迭代对象，因此您也可以传递 CSV 行列表（作为文本）。当我们传递文件句柄时， csv.reader() 将其视为可迭代对象并逐行读取整个文件。

csv.reader() 还返回一个可迭代对象。可以将其视为一个数据链，逐个访问，并且只能访问一次。要了解整体情况并更熟练地使用可迭代对象，请查看文章“ Python 中的 组合 简介 ”。

要将可迭代对象转换为列表，我们需要用 包装整个表达式 list() 。如果您处理大量数据， 请不要这样做 ，因为您的设备可能会耗尽 RAM。要 成为处理大型 CSV 文件的专家 ，请查看我们的“ 如何在 Python 中读取和写入 CSV 文件” 课程。在课程中，您还将学习如何创建和编写自己的 CSV 文件。

最后，一旦我们读取了整个文件并且不再需要它，我们就可以安全地用 关闭它 file.close() 。请注意，如果您决定坚持使用迭代器并在关闭后尝试使用它们，则会收到 I/O 错误。

计算平均值

要手动计算平均分，我们需要两个值：所有成绩的总和和成绩的数量。幸运的是，Python 附带了用于这两项任务的函数。

让我们首先从数据中提取成绩。

>>> [row[2] for row in data]
['grade', '4', '5', '3', '5', '2', '4', '3', '5', '5', '6', '6', '1', '1', '3', '4', '4', '4', '4.5']

我们在这里使用了一种称为列表推导的结构。如果你不熟悉这种语法， Marija 写了一篇关于它的文章， check it out !

但我们的成绩看起来不对。我们有两个问题需要解决。首先，我们把标题留在了数据中。其次，我们无法计算字符串的平均值，因此我们需要将它们转换为浮点数。

为了解决第一个问题，我们使用索引切片并跳过第一行。这意味着我们写 data[1:] 而不是简单地 data 。然后，我们 row[2] 用 float() 函数包装以获取可以使用的数字。

我们还可以使用一些映射和过滤器。听起来很神秘？如果我们成功激起了你的兴趣，请查看 Xavier 的文章“ Map、Filter 和 Reduce – 使用 Python 处理流 ”。

附注：书写 row[2] 不是最漂亮的解决方案。很明显，我们从第三列获取值，但我们稍后会在文章中回到这一点以 使用列名 .

>>> [float(row[2]) for row in data[1:]]
[4.0, 5.0, 3.0, 5.0, 2.0, 4.0, 3.0, 5.0, 5.0, 6.0, 6.0, 1.0, 1.0, 3.0, 4.0, 4.0, 4.0, 4.5]

啊，是的！看起来是对的。让我们将该表达式分配给 grades 变量，并计算我们在本节开头讨论的两个值。

>>> sum_grades = sum(grades)
>>> count_grades = len(grades)
>>> grades_avg = sum_grades / count_grades
>>> print("Average:", grades_avg)
Average: 3.861111111111111

完成了！非常直观，不是吗？第一行对整个列表求和。第二行计算列表的长度，即元素的数量。第三行是基本的除法，用于计算平均值。

将 CSV 文件读入字典列表

正如之前承诺的那样，我们现在了解如何使用标题中的列名来访问数据。为此，我们使用 csv.DictReader() .

顾名思义，它将每行解析为一个字典，使用标题行来确定列名。如果没有标题行，您可以指定参数 fieldnames 。其余部分基本相同。在官方文档中了解更多详细信息或在 我们的 CSV 课程 .

我们重写一下代码：

>>> import csv
>>> 
>>> file = open("data.csv", "r")
>>> data = list(csv.DictReader(file, delimiter=","))
>>> file.close()
>>> 
>>> print(data)
[{'id': '1', 'student': 'John', 'grade': '4'}, {'id': '2', 'student': 'Emily', 'grade': '5'}, {'id': '3', 'student': 'Emma', 'grade': '3'}, {'id': '4', 'student': 'Patricia', 'grade': '5'}, {'id': '5', 'student': 'James', 'grade': '2'}, {'id': '6', 'student': 'Michael', 'grade': '4'}, {'id': '7', 'student': 'David', 'grade': '3'}, {'id': '8', 'student': 'Linda', 'grade': '5'}, {'id': '9', 'student': 'Andrew', 'grade': '5'}, {'id': '10', 'student': 'Mary', 'grade': '6'}, {'id': '11', 'student': 'Kevin', 'grade': '6'}, {'id': '12', 'student': 'Barbara', 'grade': '1'}, {'id': '13', 'student': 'George', 'grade': '1'}, {'id': '14', 'student': 'Peter', 'grade': '3'}, {'id': '15', 'student': 'Zach', 'grade': '4'}, {'id': '16', 'student': 'Susan', 'grade': '4'}, {'id': '17', 'student': 'Lisa', 'grade': '4'}, {'id': '18', 'student': 'Tim', 'grade': '4.5'}]

就这么简单！现在，我们可以让提取成绩变得更漂亮：

>>> [float(row["grade"]) for row in data]
[4.0, 5.0, 3.0, 5.0, 2.0, 4.0, 3.0, 5.0, 5.0, 6.0, 6.0, 1.0, 1.0, 3.0, 4.0, 4.0, 4.0, 4.5]

剩余的代码——计算平均值——是相同的。

使用 Python 读取 CSV 文件并使用数据做更多事情！

太棒了！Python 附带了大量模块和函数，使这些任务变得更容易。在本文中，我们回顾了如何在 Python 中解析 CSV 文件。要显示数据表，请阅读 使用纯 Python 或附加模块进行 漂亮打印

通过一步步的实践练习， 了解我们的 Python 数据科学