我有一个 CSV 文件，我想检查第一行是否只有字符串（即标题）。我试图避免使用任何额外的东西，比如 pandas 等。我想我会使用 if 语句，比如 if row[0] is a string print this is a CSV，但我真的不知道该怎么做： -S 有什么建议吗？
【问题讨论】：
标签： python python-2.7 csv
简单地使用 try 和 except ::::::::::::::::::::::::::
import pandas as pd
try:
data = pd.read_csv('file.csv',encoding='ISO-8859-1')
print('csv file has header::::::')
except:
print('csv file has no header::::::')
【讨论】：
对于不一定是 '.csv' 格式的文件，这非常有用：
built-in function in Python to check Header in a Text file
def check_header(filename):
with open(filename) as f:
first = f.read(1)
return first not in '.-0123456789'
【讨论】：
我认为检查这一点的最佳方法是 -> 只需从文件中读取第一行，然后匹配您的字符串而不是任何库。
【讨论】：
好吧，我遇到了完全相同的问题，因为 sniffer.has_header 的 has_header 返回错误，甚至还做了一个非常简单的检查器，适用于我的情况
has_header = ''.join(next(some_csv_reader)).isalpha()
我知道它并不完美，但它似乎正在工作......为什么不只是一个简单的替换并检查结果是否为 alpha ......然后我把它放在我的 def 和它失败了...... :(然后我看到了“光”
问题不在于 has_header 问题在于我的代码，因为我还想在解析实际的 .csv 之前检查分隔符......但是所有的嗅探在推进时都有“成本”在 csv 中一次一行。 !!!
因此，为了让 has_header 正常工作，您应该确保在使用它之前已重置所有内容。
就我而言，我的方法是：
def _get_data(self, filename):
sniffer = csv.Sniffer()
training_data = ''
with open(filename, 'rt') as csvfile:
dialect = csv.Sniffer().sniff(csvfile.read(2048))
training_data = csv.reader(csvfile, delimiter=dialect.delimiter)
csvfile.seek(0)
has_header=csv.Sniffer().has_header(csvfile.read(2048))
#has_header = ''.join(next(training_data)).isalpha()
csvfile.seek(0)
【讨论】：
这是我在 pandas 中使用的一个函数，用于分析 header 应该设置为 'infer' 还是 None：
def identify_header(path, n=5, th=0.9):
df1 = pd.read_csv(path, header='infer', nrows=n)
df2 = pd.read_csv(path, header=None, nrows=n)
sim = (df1.dtypes.values == df2.dtypes.values).mean()
return 'infer' if sim < th else None
基于一个小样本，该函数检查具有和不具有标题行的 dtypes 的相似性。如果 dtypes 匹配特定百分比的列，则假定不存在标题。我发现0.9 的阈值适用于我的用例。这个函数也相当快，因为它只读取 csv 文件的一小部分样本。
【讨论】：
Python 有一个内置的 CSV module 可以提供帮助。例如
import csv
with open('example.csv', 'rb') as csvfile:
sniffer = csv.Sniffer()
has_header = sniffer.has_header(csvfile.read(2048))
csvfile.seek(0)
# ...
【讨论】：
2048而不是任何其他号码吗？
2048 是一个完全任意的数字。它只需要足够大以读取至少两到三行 CSV 行。您可以改为读取几行字符串并将其传递给has_header。
我会这样做：
is_header = not any(cell.isdigit() for cell in csv_table[0])
给定一个 CSV 表 csv_table，抓取顶部（第零）行。遍历单元格并检查它们是否包含任何纯数字字符串。如果是这样，它不是标题。在整个表达式前用not 否定它。
结果：
In [1]: not any(cell.isdigit() for cell in ['2','1'])
Out[1]: False
In [2]: not any(cell.isdigit() for cell in ['2','gravy'])
Out[2]: False
In [3]: not any(cell.isdigit() for cell in ['gravy','gravy'])
Out[3]: True
【讨论】：