python中CSV的一些相关操作

    我是萌新,在部门全体使用OC语言的时候偷偷学了python。然后被老大发现了,倒是没有把我赶出部门,反而让我用python处理一些数据相关的操作。因为之前走的都是理论方面的路,拿到真的项目要求的时候是有点手忙脚乱了。

    我的第一个任务是将设备获得的txt格式的数据日志按照关键字切割成n份,这个没难度,会简单爬虫的知道怎么打开文件匹配正则然后关闭文件的应该都会写。第二个任务是将txt数据获取相关属性值转化成csv,这个也没什么难度百度一下就有很多相关的操作了,我耗时最久的是第三个

    python如果不导入其他库的话,用CSV读写文件的时候常见的是按照行读写,你读取的时候可以行列随意,但是写的时候整列整列的写入很恶心心。这里讲讲如何调用pandas库来整列整列的写进CSV文件。我当初不会用pandas的时候第三个任务头铁坚持想要按照列写入从五点做到十一点最后困了不敢了被老大怼了一遍之后怂了老老实实的用行写入,但是第二天不服还是头铁,百度CSDN简书伯乐在线等等全探讨了一遍,发现pandas1是个很伟大的东西,于是下载了艾伯特的《利用Python进行数据分析》,然后整理了下面的东西:

    首先呢,你需要获取你想要的数据的列名:


    import csv

    import pandas as pd

    from pandas import Series,DataFrame


    def get_wanne_DataFrame_header(logFile):

            title=[]

            df=pd.read_csv(logFile)

            #这里把所有列的数据的name全写进title

            for f in pd:

            title.append(f)

            #倘若只想获取几列数据在下面写个list将title的对应的name写进去然后return list跟df即可

            return title,df


    其次呢,pandas里面的数据格式是Series跟DataFrame,我也不想说的这么抽象但是它就是这么个意思。Series是一列数据,n个Series加起来就是DataFrame了就是一个表格了。想了解更多的后面再谈,直接调用上面的函数就可以从CSV里面获取数据列并组合成表了:


    def get_wanne_DataFrame_from_logFile(wanne_title_list,df_from_read_csv):

            #df[title[0]] is a Series

            #then pd.DataFrame turn it into a DataFrame

            df=df_from_read_csv

            wanne_data=pd.DataFrame(df[title[0]])

            for i in range (1,len(title)):

                        second=pd.DataFrame(df[title[1]])

                        wanne_data=pd.merge(wanne_data,second,left_index=True,right_index=True)

            return wanne_data


    最后呢,写入存储位置即可:


    def store_DataFrame_into_cv(wanne_data,store_path,store_name):

            os.chdir(store_path)

            dataframe.to_csv(store_name+'.csv',index=False,header=True)


    也就一点小皮毛,老夫献丑了,谢谢各位看官。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 202,723评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,080评论 2 379
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 149,604评论 0 335
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,440评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,431评论 5 364
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,499评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,893评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,541评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,751评论 1 296
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,547评论 2 319
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,619评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,320评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,890评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,896评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,137评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,796评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,335评论 2 342

推荐阅读更多精彩内容