第一课python读取csv文件

第一课python读取csv文件

前面程序展示的数据都是直接通过程序给出的，但实际应用可能需要展示不同来源(比如文件、网络)、不同格式(比如 csv、JSON)的数据，这些数据可能有部分是损坏的，因此程序需要对这些数据进行处理。csv 文件格式的本质是一种以文本存储的表格数据(使用 Excel 工具即可读写 csv 文件)。csv 文件的每行代表一行数据，每行数据中每个单元格内的数据以逗号隔开。Python提供了 csv 模块来读写 csv 文件。由于 csv 文件的格式本身比较简单(通常第一行是表头，用于说明每列数据的含义，接下来每行代表一行数据)，因此使用 csv 模块读取 csv 文件也非常简单：创建 csv 模块的读取器。

循环调用 csv 读取器的 next() 方法逐行读取 csv 文件内容即可。next() 方法返回一个 list 列表代表一行数据，list 列表的每个元素代表一个单元格数据。本节使用的是 2017 年广州天气数据的 csv 文件(数据来源于 / 网站。下面程序示范了使用 csv 读取器来读取 csv 文件的两行内容。

import csv

filename = 'guangzhou-2017.csv'

# 打开文件

with open(filename) as f:

# 创建cvs文件读取器

reader = ader(f)

# 读取第一行，这行是表头数据。

header_row = next(reader)

print(header_row)

# 读取第二行，这行是真正的数据。

first_row = next(reader)

print(first_row)上面程序中第 7 行代码创建了 CSV 读取器，第 9 行、第 12 行代码各读取文件的一行，其中第 7 行代码会返回 csv 文件的表头数据；第 9 行代码会返回真正的数据。运行上面程序，可以看到如下输出结果：

['Date', 'Max TemperatureC', 'Min TemperatureC', 'Description', 'WindDir', 'WindForce']

['2017-1-1', '24', '13', '晴', '西南风', '1级']从上面的输出结果可以看到，该文件的每行包含 6 个数据，分别是日期、最高温度、最低温度、天气情况、风向、风力。掌握了 csv 读取器的用法之后，下面程序将会使用 Matplotlib 来展示 2017 年 7 月广州的最高气温和最低气温。

import csv

from datetime import datetime

from matplotlib import pyplot as plt

filename = 'guangzhou-2017.csv'

# 打开文件

with open(filename) as f:

# 创建cvs文件读取器

reader = ader(f)

# 读取第一行，这行是表头数据。

header_row = next(reader)

print(header_row)

# 定义读取起始日期

start_date = datetime(2017, 6, 30)

# 定义结束日期

end_date = datetime(2017, 8, 1)

# 定义3个list列表作为展示的数据

dates, highs, lows = [], [], []

for row in reader:

# 将第一列的值格式化为日期

d = datetime.strptime(row[0], '%Y-%m-%d')

# 只展示2017年7月的数据

if start_date < d < end_date:

dates.append(d)

highs.append(int(row[1]))

lows.append(int(row[2]))

# 配置图形

fig = plt.figure(dpi=128, figsize=(12, 9))

# 绘制最高气温的折线

plt.plot(dates, highs, c='red', label='最高气温',

alpha=0.5, linewidth = 2.0, linestyle = '-', marker='v')

# 再绘制一条折线

plt.plot(dates, lows, c='blue', label='最低气温',

alpha=0.5, linewidth = 3.0, linestyle = '-.', marker='o')

# 为两个数据的绘图区域填充颜色

plt.fill_between(dates, highs, lows, facecolor='blue', alpha=0.1)

# 设置标题

plt.title("广州2017年7月最高气温和最低气温")

# 为两条坐标轴设置名称

plt.xlabel("日期")

# 该方法绘制斜着的日期标签

fig.autofmt_xdate()

plt.ylabel("气温(℃)")

# 显示图例

plt.legend()

ax = a()

# 设置右边坐标轴线的颜色(设置为none表示不显示)

ax.spines['right'].set_color('none')

# 设置顶部坐标轴线的颜色(设置为none表示不显示)

ax.spines['top'].set_color('none')

plt.show()上面程序的前半部分代码用于从 csv 文件中读取 2017 年 7 月广州的气温数据，程序分别使用了 dates、highs 和 lows 三个 list 列表来保存日期、最高气温、最低气温。程序的后半部分代码绘制了两条折线来显示最高气温和最低气温，其中第 31 行代码用于绘制最高气温，第 34 行代码用于绘制最低气温；第 37 行代码控制在两条折线之间填充颜色。程序也对坐标轴、图例进行了简单的设置。运行上面程序，可以看到如图 1 所示的折线图。

图 1 2017 年7 月广州的气温折线图程序也可以使用 Pygal 来统计 2017 年广州的天气汇总情况，比如统计出阴天、晴天、多云天和雨天各占多少天。程序会使用 csv 读取器读取 2017 年广州阴天、晴天、多云天和雨天共有多少天，然后将这些数据添加到 pygal.Pie 对象中即可绘制饼图。该程序的代码如下：

import csv

import pygal

filename = 'guangzhou-2017.csv'

# 打开文件

with open(filename) as f:

# 创建cvs文件读取器

reader = ader(f)

# 读取第一行，这行是表头数据。

header_row = next(reader)

print(header_row)

# 准备展示的数据

shades, sunnys, cloudys, rainys = 0, 0, 0, 0

for row in reader:

if '阴' in row[3]:

shades += 1

elif '晴' in row[3]:

sunnys += 1

elif '云' in row[3]:

cloudys += 1

elif '雨' in row[3]:

rainys += 1

else:

print(rows[3])

# 创建pygal.Pie对象(饼图)

pie = pygal.Pie()

# 为饼图添加数据

pie.add("阴", shades)

pie.add("晴", sunnys)

pie.add("多云", cloudys)

pie.add("雨", rainys)

pie.title = '2017年广州天气汇总'

# 设置将图例放在底部

pie.legend_at_bottom = True

# 指定将数据图输出到SVG文件中