我想解析一个类似于 enter image description here 的 CSV 文件。这是一个 Excel 电子表格。
我想读取 csv 文件并从每列中获取数据作为列表。因此，假设我将字段名称称为“低”，我想将该字段名称下的数据作为列表获取，以便对其进行分析。到目前为止，我正在使用下面的代码读取文件，但我不知道如何从每一列中获取数据。
import csv
filename = "csv practice file.csv"
fields = []
rows = []
with open(filename, 'r') as csvfile:
csvreader = csv.reader(csvfile)
fields = csvreader.__next__()
for row in csvreader:
rows.append(row)
`
【问题讨论】：
标签： python python-3.x list csv
如果您将csv.DictReader 与“list comprehension”一起使用，则相当容易：
import csv
filename = "csv practice file.csv"
with open(filename, 'r', newline='') as csvfile:
csvreader = csv.DictReader(csvfile)
fields = csvreader.fieldnames
rows = [row['Low'] for row in csvreader]
print(fields)
print(rows)
如果您想获取与每个字段关联的行（并将它们存储在由字段名键入的字典中），您可以使用内置的 zip() 函数首先转置行和列，并使用 " dictionary comprehension" 像这样：
import csv
from pprint import pprint
filename = "csv practice file.csv"
# To get all columns.
with open(filename, 'r', newline='') as csvfile:
csvreader = csv.reader(csvfile)
fieldnames = next(csvreader)
rows = zip(*(row for row in csvreader))
data = {field: list(row) for field, row in zip(fieldnames, rows)}
print('data:')
pprint(data)
输出：
data:
{'Class': ['4', '5', '9', '7', '6'],
'High': ['465', '785', '592', '254', '962'],
'Low': ['452', '54', '25', '78', '46'],
'Name': ['Sara', 'Joe', 'Amanda', 'Ray', 'Bob']}
【讨论】：
假设我们有一个包含以下数据的文件：
col1,col2,col3
1,2,3
3,4,5
4,5,6
使用csv.DictReader，我们可以将 csv 行转换为以下结构：
{'col1': '1', 'col2': '2', 'col3': '3'}
{'col1': '3', 'col2': '4', 'col3': '5'}
{'col1': '4', 'col2': '5', 'col3': '6'}
然后可以使用它来遍历这些dicts 并将值列明智地收集到目标字典d 中。 defaultdict 让它更舒服一点，因为我们不必检查密钥 k 是否已经存在于字典中。
import csv
from collections import defaultdict
d = defaultdict(list)
with open(filename, 'r') as csvfile:
csvreader = csv.DictReader(csvfile)
for line in csvreader:
for k, v in line.items():
d[k].append(v)
我们最终得到一个包含按列分组的值的最终字典 d，如下所示：
{'col1': ['1', '3', '4'], 'col2': ['2', '4', '5'], 'col3': ['3', '5', '6']}
【讨论】：
您可以使用库 pandas，
import pandas as pd
yourdata = pd.read_csv('yourfile.csv')
这会将您的 csv 文件读入字典。然后您可以通过以下方式将您的列称为列表：
yourcolumn = yourdata['columnname'].values
【讨论】：