python读取csv的不同形式_石家庄创泽智能科技有限公司

新闻中心 NEWS CENTER

您当前位置：首页 > 新闻中心 > 网络学院

python读取csv的不同形式

2025-11-18

浏览次数：次

返回列表

答案：Python读取CSV文件主要有三种方法：1. 使用csv模块适合简单结构，可读取为列表或字典；2. pandas的read_csv最常用，支持DataFrame操作、类型推断和大文件分块；3. numpy适用于纯数值数据，用loadtxt或genfromtxt快速加载数组。

python读取csv的不同形式

Python读取CSV文件有多种方式，每种适合不同场景。最常用的包括使用内置的csv模块、pandas库，以及用numpy处理数值型数据。下面介绍几种主要方法及其适用情况。

1. 使用 csv 模块读取（基础方式）

csv模块是Python标准库的一部分，适合处理结构简单、不需要复杂分析的CSV文件。

常见用法：

读取为列表：每一行是一个列表，按列顺序访问数据
读取为字典：使用csv.DictReader，列名作为键，更易读

示例代码：

import csv
<h1>读取为列表</h1><p>with open('data.csv', 'r', encoding='utf-8') as file:
reader = csv.reader(file)
for row in reader:
print(row)  # 每行是列表</p><h1>读取为字典</h1><p>with open('data.csv', 'r', encoding='utf-8') as file:
reader = csv.DictReader(file)
for row in reader:
print(row['name'], row['age'])  # 按列名访问

2. 使用 pandas 读取（推荐用于数据分析）

pandas是最常用的数据分析库，pd.read_csv()功能强大，支持自动类型推断、缺失值处理、指定列、跳行等。

优点：

一行代码加载成DataFrame，便于后续处理
支持压缩文件、URL路径、大文件分块读取
可指定编码、分隔符、索引列等参数

示例：

import pandas as pd
<h1>基本读取</h1><p>df = pd.read_csv('data.csv')</p><h1>指定参数</h1><p>df = pd.read_csv('data.csv', encoding='gbk', sep=';', index_col='id')</p>
                    <div class="aritcle_card">
                        <a class="aritcle_card_img" href="/ai/855">
                            <img src="https://img.php.cn/upload/ai_manual/001/503/042/68b6d67adc5da910.png" alt="Whimsical">
                        </a>
                        <div class="aritcle_card_info">
                            <a href="/ai/855">Whimsical</a>
                            <p>Whimsical推出的AI思维导图工具</p>
                            <div class="">
                                <img src="/static/images/card_xiazai.png" alt="Whimsical">
                                <span>182</span>
                            </div>
                        </div>
                        <a href="/ai/855" class="aritcle_card_btn">
                            <span>查看详情</span>
                            <img src="/static/images/cardxiayige-3.png" alt="Whimsical">
                        </a>
                    </div>
                <h1>只读前100行（适合大文件）</h1><p>df = pd.read_csv('large.csv', nrows=100)</p><h1>分块读取</h1><p>chunk_reader = pd.read_csv('huge.csv', chunksize=1000)
for chunk in chunk_reader:
process(chunk)  # 逐块处理

3. 使用 numpy 读取（适用于纯数值数据）

如果CSV只包含数字，可以用numpy.loadtxt()或genfromtxt()快速加载为数组。

注意：

数据必须规整，不能有缺失或混合类型
genfromtxt()支持处理缺失值

示例：

import numpy as np
<h1>简单读取（全为数字）</h1><p>data = np.loadtxt('numbers.csv', delimiter=',')</p><h1>支持缺失值</h1><p>data = np.genfromtxt('data.csv', delimiter=',', skip_header=1)