Čítanie súborov CSV v Pythone

V tomto tutoriále sa pomocou príkladov naučíme čítať súbory CSV v rôznych formátoch v Pythone.

csvPre túto úlohu budeme výlučne používať modul zabudovaný do Pythonu. Najprv však budeme musieť modul importovať ako:

 import csv 

Už sme si csvprečítali základné informácie o tom, ako používať modul na čítanie a zápis do súborov CSV. Ak nemáte vôbec predstavu o používaní csvmodulu, pozrite si náš tutoriál o Python CSV: Čítanie a zápis súborov CSV

Základné použitie súboru csv.reader ()

Pozrime sa na základný príklad použitia csv.reader()na obnovenie vašich existujúcich vedomostí.

Príklad 1: Čítanie súborov CSV pomocou csv.reader ()

Predpokladajme, že máme súbor CSV s nasledujúcimi záznamami:

 SN, meno, príspevok 1, Linus Torvalds, Linux Kernel 2, Tim Berners-Lee, World Wide Web 3, Guido van Rossum, programovanie v Pythone 

Obsah súboru môžeme čítať v nasledujúcom programe:

 import csv with open('innovators.csv', 'r') as file: reader = csv.reader(file) for row in reader: print(row) 

Výkon

 ('SN', 'Name', 'Contribution') ('1', 'Linus Torvalds', 'Linux Kernel') ('2', 'Tim Berners-Lee', 'World Wide Web') ('3' „Guido van Rossum“, „Programovanie v Pythone“) 

Tu sme otvorili súbor innovators.csv v režime čítania pomocou open()funkcie.

Ak sa chcete dozvedieť viac informácií o otváraní súborov v Pythone, navštívte stránku: Vstup / výstup súborov Pythonu

Potom csv.reader()sa znak slúži na čítanie súboru, ktorý vracia iterovateľný readerobjekt.

readerObjekt je potom opakovaná za použitia forslučky vytlačiť obsah každého riadku.

Teraz sa pozrieme na súbory CSV v rôznych formátoch. Potom sa naučíme, ako prispôsobiť csv.reader()funkciu ich čítaniu.

Súbory CSV s vlastnými oddeľovačmi

V súbore CSV sa ako oddeľovač predvolene používa čiarka. Niektoré súbory CSV však môžu používať iné oddeľovače ako čiarku. Málo populárnych je |a .

Predpokladajme, že súbor innovators.csv v príklade 1 používal kartu ako oddeľovač. Na prečítanie súboru môžeme funkcii odovzdať ďalší delimiterparameter csv.reader().

Zoberme si príklad.

Príklad 2: Čítanie súboru CSV s oddeľovačom tabulátorov

 import csv with open('innovators.csv', 'r') as file: reader = csv.reader(file, delimiter = ' ') for row in reader: print(row) 

Výkon

 ('SN', 'Name', 'Contribution') ('1', 'Linus Torvalds', 'Linux Kernel') ('2', 'Tim Berners-Lee', 'World Wide Web') ('3' „Guido van Rossum“, „Programovanie v Pythone“) 

Ako vidíme, voliteľný parameter delimiter = ' 'pomáha určiť readerobjekt, z ktorého má súbor CSV, z ktorého čítame, záložky ako oddeľovač.

Súbory CSV s počiatočnými medzerami

Niektoré súbory CSV môžu mať za oddeľovačom medzeru. Keď použijeme predvolenú csv.reader()funkciu na čítanie týchto súborov CSV, dostaneme tiež medzery vo výstupe.

Ak chcete tieto počiatočné medzery odstrániť, musíme odovzdať ďalší parameter s názvom skipinitialspace. Pozrime sa na príklad:

Príklad 3: Čítanie súborov CSV s počiatočnými medzerami

Predpokladajme, že máme súbor CSV s názvom people.csv s nasledujúcim obsahom:

 SN, Meno, Mesto 1, John, Washington 2, Eric, Los Angeles 3, Brad, Texas 

Súbor CSV môžeme čítať nasledovne:

 import csv with open('people.csv', 'r') as csvfile: reader = csv.reader(csvfile, skipinitialspace=True) for row in reader: print(row) 

Výkon

 ('SN', 'Meno', 'Mesto') ('1', 'John', 'Washington') ('2', 'Eric', 'Los Angeles') ('3', 'Brad', ' Texas ') 

Program je podobný ako v iných príkladoch, ale má ďalší skipinitialspaceparameter, ktorý je nastavený na True.

Toto umožňuje readerobjektu vedieť, že položky majú začiatočné medzery. Vo výsledku sa odstránia počiatočné medzery, ktoré sa vyskytli po oddeľovači.

Súbory CSV s úvodzovkami

Niektoré súbory CSV môžu obsahovať úvodzovky okolo každej alebo niektorých záznamov.

Vezmime si ako príklad súbor quotes.csv s nasledujúcimi položkami:

 „SN“, „Meno“, „Citáty“ 1, Buddha, „To, čo si myslíme, že sa staneme“ 2, Mark Twain, „Nikdy neľutujte nič, čo vás rozosmialo“ 3, Oscar Wilde, „Buďte sami sebou, všetci ostatní už sú zaujatí“ 

Použitie csv.reader()v minimálnom režime bude mať za následok výstup s úvodzovkami.

Aby sme ich odstránili, budeme musieť použiť ďalší voliteľný parameter s názvom quoting.

Pozrime sa na príklad toho, ako čítať vyššie uvedený program.

Príklad 4: Čítajte súbory CSV s úvodzovkami

 import csv with open('person1.csv', 'r') as file: reader = csv.reader(file, quoting=csv.QUOTE_ALL, skipinitialspace=True) for row in reader: print(row) 

Výkon

 ('SN', 'Name', 'Quotes') ('1', 'Buddha', 'What we think we become') ('2', 'Mark Twain', 'Never regret anything that made you smile') ('3', 'Oscar Wilde', 'Be yourself everyone else is already taken') 

As you can see, we have passed csv.QUOTE_ALL to the quoting parameter. It is a constant defined by the csv module.

csv.QUOTE_ALL specifies the reader object that all the values in the CSV file are present inside quotation marks.

There are 3 other predefined constants you can pass to the quoting parameter:

• csv.QUOTE_MINIMAL - Specifies reader object that CSV file has quotes around those entries which contain special characters such as delimiter, quotechar or any of the characters in lineterminator.
• csv.QUOTE_NONNUMERIC - Specifies the reader object that the CSV file has quotes around the non-numeric entries.
• csv.QUOTE_NONE - Specifies the reader object that none of the entries have quotes around them.

Dialects in CSV module

Notice in Example 4 that we have passed multiple parameters (quoting and skipinitialspace) to the csv.reader() function.

This practice is acceptable when dealing with one or two files. But it will make the code more redundant and ugly once we start working with multiple CSV files with similar formats.

As a solution to this, the csv module offers dialect as an optional parameter.

Dialect helps in grouping together many specific formatting patterns like delimiter, skipinitialspace, quoting, escapechar into a single dialect name.

It can then be passed as a parameter to multiple writer or reader instances.

Example 5: Read CSV files using dialect

Suppose we have a CSV file (office.csv) with the following content:

 "ID"| "Name"| "Email" "A878"| "Alfonso K. Hamby"| "[email protected]" "F854"| "Susanne Briard"| "[email protected]" "E833"| "Katja Mauer"| "[email protected]" 

The CSV file has initial spaces, quotes around each entry, and uses a | delimiter.

Instead of passing three individual formatting patterns, let's look at how to use dialects to read this file.

 import csv csv.register_dialect('myDialect', delimiter='|', skipinitialspace=True, quoting=csv.QUOTE_ALL) with open('office.csv', 'r') as csvfile: reader = csv.reader(csvfile, dialect='myDialect') for row in reader: print(row) 

Output

 ('ID', 'Name', 'Email') ("A878", 'Alfonso K. Hamby', '[email protected]') ("F854", 'Susanne Briard', '[email protected]') ("E833", 'Katja Mauer', '[email protected]') 

From this example, we can see that the csv.register_dialect() function is used to define a custom dialect. It has the following syntax:

 csv.register_dialect(name(, dialect(, **fmtparams))) 

The custom dialect requires a name in the form of a string. Other specifications can be done either by passing a sub-class of Dialect class, or by individual formatting patterns as shown in the example.

While creating the reader object, we pass dialect='myDialect' to specify that the reader instance must use that particular dialect.

The advantage of using dialect is that it makes the program more modular. Notice that we can reuse 'myDialect' to open other files without having to re-specify the CSV format.

Read CSV files with csv.DictReader()

The objects of a csv.DictReader() class can be used to read a CSV file as a dictionary.

Example 6: Python csv.DictReader()

Suppose we have a CSV file (people.csv) with the following entries:

Name	Age	Profession
Jack	23	Doctor
Miller	22	Engineer

Let's see how csv.DictReader() can be used.

 import csv with open("people.csv", 'r') as file: csv_file = csv.DictReader(file) for row in csv_file: print(dict(row)) 

Output

 ('Name': 'Jack', ' Age': ' 23', ' Profession': ' Doctor') ('Name': 'Miller', ' Age': ' 22', ' Profession': ' Engineer') 

As we can see, the entries of the first row are the dictionary keys. And, the entries in the other rows are the dictionary values.

Here, csv_file is a csv.DictReader() object. The object can be iterated over using a for loop. The csv.DictReader() returned an OrderedDict type for each row. That's why we used dict() to convert each row to a dictionary.

Notice that we have explicitly used the dict() method to create dictionaries inside the for loop.

 print(dict(row)) 

Note: Starting from Python 3.8, csv.DictReader() returns a dictionary for each row, and we do not need to use dict() explicitly.

The full syntax of the csv.DictReader() class is:

 csv.DictReader(file, fieldnames=None, restkey=None, restval=None, dialect='excel', *args, **kwds) 

To learn more about it in detail, visit: Python csv.DictReader() class

Using csv.Sniffer class

The Sniffer class is used to deduce the format of a CSV file.

The Sniffer class offers two methods:

• sniff(sample, delimiters=None) - This function analyses a given sample of the CSV text and returns a Dialect subclass that contains all the parameters deduced.

An optional delimiters parameter can be passed as a string containing possible valid delimiter characters.

• has_header(sample) - This function returns True or False based on analyzing whether the sample CSV has the first row as column headers.

Let's look at an example of using these functions:

Example 7: Using csv.Sniffer() to deduce the dialect of CSV files

Suppose we have a CSV file (office.csv) with the following content:

 "ID"| "Name"| "Email" A878| "Alfonso K. Hamby"| "[email protected]" F854| "Susanne Briard"| "[email protected]" E833| "Katja Mauer"| "[email protected]" 

Let's look at how we can deduce the format of this file using csv.Sniffer() class:

 import csv with open('office.csv', 'r') as csvfile: sample = csvfile.read(64) has_header = csv.Sniffer().has_header(sample) print(has_header) deduced_dialect = csv.Sniffer().sniff(sample) with open('office.csv', 'r') as csvfile: reader = csv.reader(csvfile, deduced_dialect) for row in reader: print(row) 

Output

 True ('ID', 'Name', 'Email') ('A878', 'Alfonso K. Hamby', '[email protected]') ('F854', 'Susanne Briard', '[email protected]') ('E833', 'Katja Mauer', '[email protected]') 

As you can see, we read only 64 characters of office.csv and stored it in the sample variable.

This sample was then passed as a parameter to the Sniffer().has_header() function. It deduced that the first row must have column headers. Thus, it returned True which was then printed out.

Podobne bola do Sniffer().sniff()funkcie odovzdaná aj vzorka . Vrátila všetky odvodené parametre ako Dialectpodtriedu, ktorá sa potom uložila do premennej deduced_dialect.

Neskôr sme znova otvorili súbor CSV a deduced_dialectpremennú sme odovzdali ako parameter csv.reader().

Bolo správne schopný predpovedať delimiter, quotinga skipinitialspaceparametre v office.csv súboru, bez toho aby sme ich výslovne zmieňovať.

Poznámka: Modul csv je možné použiť aj pre iné prípony súborov (napríklad: .txt ), pokiaľ je ich obsah v správnej štruktúre.

Odporúčané čítanie: Zapisujte do súborov CSV v Pythone