(资料图)

目录

对于文件的操作中，读写csv操作是一个比较常见的操作，很多时候可能会选择使用python中的文件读取的方式对csv文件操作，这种方式并没有什么问题，但读写的效率不高，编写的代码量也偏多。

这里介绍使用pandas进行简单的读。写也基本类似。

一、Pandas读取表头：

使用pandas读取表头很简单，一行代码搞定，如下：

# 读取表头
    head_row = pd.read_csv("123.csv", nrows=0)

这一行代码读取的是一个对象，如果要以列表形式输出，可以增加如下一行代码：

# 表头列转为 list
    head_row_list = list(head_row)

二、读取具体数据：

以文件读取的方式读取具体数据，需要的代码量比较多，也需要做循环遍历，使用pandas操作如下：

# 读取
    csv_result = pd.read_csv("123.csv", usecols=head_row_list)
    row_list = csv_result.values.tolist()
    print(f"行读取结果：{row_list}")

上面展示的是打印行读取的结果。使用pandas，还可以很方便的将行转换为列，并打印出行转列的结果，如下代码段：

col_obj = csv_result.T
    col_list = col_obj.values.tolist()
    print(f"行转列读取结果：{col_list}")
    return head_row_list, col_list

完整的代码如下：

import pandas as pd
 
 
def csv_file_read():
    # 读取表头
    head_row = pd.read_csv("123.csv", nrows=0)
    print(list(head_row))
    # 表头列转为 list
    head_row_list = list(head_row)
 
    # 读取
    csv_result = pd.read_csv("123.csv", usecols=head_row_list)
    row_list = csv_result.values.tolist()
    print(f"行读取结果：{row_list}")
    col_obj = csv_result.T
    col_list = col_obj.values.tolist()
    print(f"行转列读取结果：{col_list}")
    return head_row_list, col_list
 
 
 
if __name__ == "__main__":
    csv_file_read()

是不是很简单，十几行代码即可搞定。

到此这篇关于Pandas读取csv的实现的文章就介绍到这了,更多相关Pandas读取csv内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

关键词： 希望大家 一个对象 相关文章 操作如下 有什么问题