Python 是最流行、功能最強大的編程語言之一。由于它是自由開源的，因此每個人都可以使用。大多數 Fedora 系統都已安裝了該語言。Python 可用于多種任務，其中包括處理逗號分隔值（CSV）數據。CSV文件一開始往往是以表格或電子表格的形式出現。本文介紹了如何在 Python 3 中處理 CSV 數據。

CSV 數據正如其名。CSV 文件按行放置數據，數值之間用逗號分隔。每行由相同的字段定義。簡短的 CSV 文件通常易于閱讀和理解。但是較長的數據文件或具有更多字段的數據文件可能很難用肉眼解析，因此在這種情況下計算機做得更好。

這是一個簡單的示例，其中的字段是 Name、Email 和 Country。在此例中，CSV 數據將字段定義作為第一行，盡管并非總是如此。

Name,Email,CountryJohn Q. Smith,[email protected],USAPetr Novak,[email protected],CZBernard Jones,[email protected],UK

從電子表格讀取 CSV

Python 包含了一個 csv 模塊，它可讀取和寫入 CSV 數據。大多數電子表格應用，無論是原生（例如 Excel 或 Numbers）還是基于 Web 的（例如 Google Sheet），都可以導出 CSV 數據。實際上，許多其他可發布表格報告的服務也可以導出為 CSV（例如，PayPal）。

Python csv 模塊有一個名為 DictReader 的內置讀取器方法，它可以將每個數據行作為有序字典 （OrderedDict） 處理。它需要一個文件對象訪問 CSV 數據。因此，如果上面的文件在當前目錄中為 example.csv，那么以下代碼段是獲取此數據的一種方法：

f = open(’example.csv’, ’r’)from csv import DictReaderd = DictReader(f)data = []for row in d: data.append(row)

現在，內存中的 data 對象是 OrderedDict 對象的列表：

[OrderedDict([(’Name’, ’John Q. Smith’),(’Email’, ’[email protected]’),(’Country’, ’USA’)]), OrderedDict([(’Name’, ’Petr Novak’),(’Email’, ’[email protected]’),(’Country’, ’CZ’)]), OrderedDict([(’Name’, ’Bernard Jones’),(’Email’, ’[email protected]’),(’Country’, ’UK’)])]

引用這些對象很容易：

>>> print(data[0][’Country’])USA>>> print(data[2][’Email’])[email protected]

順便說一句，如果你需要處理沒有字段名標題行的 CSV 文件，那么 DictReader 類可以讓你定義它們。在上面的示例中，添加 fieldnames 參數并傳遞一系列名稱：

d = DictReader(f, fieldnames=[’Name’, ’Email’, ’Country’])

真實例子

我最近想從一長串人員名單中隨機選擇一個中獎者。我從電子表格中提取的 CSV 數據是一個簡單的名字和郵件地址列表。

幸運的是，Python 有一個有用的 random 模塊，可以很好地生成隨機值。該模塊 Random 類中的 randrange 函數正是我需要的。你可以給它一個常規的數字范圍（例如整數），以及它們之間的步長值。然后，該函數會生成一個隨機結果，這意味著我可以在數據的總行數范圍內獲得一個隨機整數（或者說是行號）。

這個小程序運行良好：

from csv import DictReaderfrom random import Randomd = DictReader(open(’mydata.csv’))data = []for row in d: data.append(row)r = Random()winner = data[r.randrange(0, len(data), 1)]print(’The winner is:’, winner[’Name’])print(’Email address:’, winner[’Email’])

顯然，這個例子非常簡單。電子表格本身包含了復雜的分析數據的方法。但是，如果你想在電子表格應用之外做某事，Python 或許是一種技巧！

總結

到此這篇關于使用 Python 讀取電子表格中的數據實例詳解的文章就介紹到這了,更多相關python 讀取表格數據內容請搜索好吧啦網以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持好吧啦網！