简介：许多朋友询问与Python有关的多少东西，请参阅CSV。首席执行官在本文中注明将为您提供详细的答案，以供所有人参考。我希望这对每个人都会有所帮助！让我们一起看看！
CSV表示“逗号的值（逗号分隔的值）”，CSV文件是一个简化的电子表，实际上是纯文本文件。
CSV文件，格式为：
因为CSV文件中的每个单元格除以逗号，所以有些人可以将每行文本调用split（）方法来解析CSV文件。但是，CSV文件还具有其自己的传输字符。通过过境字符，允许逗号和其他字符作为值的一部分，但是使用split（）方法无法处理这些刚性字符。由于这些潜在缺陷的原因，建议使用CSV模块来读取和读取和写CSV文件。
CSV模块带有Python，因此可以直接导入。
要从CSV文件中读取CSV模块的数据，我们需要创建一个读取器对象。通过阅读器对象，我们可以通过CSV文件中的每一行迭代。
操作结果：
要使用CSV模块读取CSV文件，请先使用open（）函数打开它，就像打开其他任何文本文件一样。CSV.Reader（）函数不接受文件名作为参数。
要访问读者对象中的值，最直接的方法是使用list（）将其转换为普通的python列表。它实际上是包含一个列表以表示两个维度数据的列表。
我们还可以使用表达数据[row] [color]访问csv.mong中的特殊行和列的值，行是数据中列表的设置，col是项目的设置，我们想要在列表中访问：
操作结果：
操作结果：
作者对象允许我们将数据写入CSV文件。
操作结果：
在Windows上，需要将Open（）函数的NewLine关键字参数传递到一个空字符串中。如果未设置NewLine参数，则输出中的行。CSV中的行将是下图的两倍。
如果书面内容包含逗号，则CSV模块将自动添加双引号以形成正义，如下示例所示。
操作结果：
我们还可以使用定界符制作TSV文件。TSV是对TABEAP值的缩写，即使用表作为分离主义文件；使用线粒体参数设置间距。
操作结果：
在这里使用lineminator ='
'线和行之间的字符变成三行，其效果是达到三倍的行距离。
导入大熊猫作为pd
df = pd.read_csv（“您的文件路径”）
df.loc [10:20]
1.打开文件并返回行数。
2.返回到列数，返回特定行，返回前几行，返回特定列，返回前几列，然后返回到行的行。
3.一一读取CSV以满足条件并返回行号。
最近，我去了一些数据竞赛网站进行观察和学习，发现许多数据都是通过CSV文件（胡说八道）处理的。因此，磨碎的刀错误地切断了柴火。我首先学习了Python的CSV库。
CSV模块实现了CSV格式形式数据的读写。这可以以兼容的方式读取和编写其数据文件。CSV模块中的读者和作者类用于读取和编写序列化数据。您还可以使用Dictreader类和Dictwriter类读取词典中的数据。
返回读取csvfile的读取对象（文件和列表适用，但文件应为newline =''。
读取由字符串组成的列表（除非修改quote_nonumeric）。
返回作者对象，负责将给定文件类上的数据转换为带有分隔符的字符串。
这两种方法可以将名称字符串与方言/解耦相关联。方言可以是方言的子类，也可以是FMTPARAMS的关键字参数。
将方言对象的变体返回为名称。如果未注册，请丢失错误。
返回所有注册名称
返回当前解析器允许的最大字段大小。如果要制定参数，则参数将成为最大的最大场大小。
该对象类似于读者，但是每行中的信息都映射到字典。字典的键由字面名称给出
字段名称的参数是序列序列[1]。如果参数为默认值，则第一行的第一行的值是字段名称。
如果特定行中的字段大于字段名称（例如同意的5个属性，但在此行中显示6个数据），则其余字段将放置在列表中，并且该字段名称由Restkey指定（默认为无）。如果非蓝色线的字段小于字段名称，则缺乏值将没有填充。
＃实际上，这件事应该类似于各种电影中的言论。
3.8中返回的线是dict类型。
该对象类似于读者，但是每行中的信息都映射到字典。字典的钥匙由fieldnames给出。字段名称参数是必不可少的。用来指定字典缺少键时要编写的值的STVAL。删除用于指定键键在fieldName中找不到的处理机制。“触发'value eRernor，并且“忽略”将被忽略。
此类用于格式化CSV文件
以下类别在括号中标记。
定义Excel生成的CSV文件的常规属性。（'excel'）
定义Excel生成的CSV文件的常规属。
性别。（'excel-tab'）
定义在UNIX系统（'Unix'）上生成的CSV文件的常规属性：
任意的CSV库功能错误。
参考链接
Python3.8.2文档中CSV库的相关文档
阅读CSV文件
最多
简化版本
filepath_or_buffer：str，pathlib.str，pathlib.path，py._path.local.local.localpath或任何带有read（）方法的对象
它可以是URL，URL类型包括：http，ftp，s3和files.multi -file正在准备
阅读本地文件的示例:: //localhost/path/to/table.csv
** sep **：str，默认'，’
指定分隔符。如果您不指定参数，则将尝试将逗号分开。分离器成长为角色而不是“ s+”，它将使用Python语法分析仪。并忽略数据中的逗号。表达： ' '
**定界符**：str，默认没有
固定边界，替代部门（如果此参数指定，则SEP参数无效）
delim_whitespace：布尔值，默认为false。
指定空间（例如'或'''）是否用作分离主义者。它等效于设置sep ='s+'。如果将此参数设置为ture，则定界符参数将失败。
在新版本0.18.1中的支持
标题：int或int列表，默认的“ ins”
指定的行数被用作名称列表，并且数据数启动。如果文件中没有名称，则默认值为0，否则将其设置为无。如果标题= 0明确设置了，则原始存在被替换。Header参数可以是一个列表，例如：[0,1,3]，此列表表明文件中的这些行用作列标题（每列中的多个标题），并且中间的线将被忽略。
注意：如果skip_blank_lines = true，则标题参数忽略注释和空行，因此标头= 0表示第一行数据的第一行，而不是文件的第一行。
**名称**：类似数组，默认没有
结果的名称列表，如果数据文件中没有标题行，则需要在默认列表中执行header = none.no重复，除非设置参数mangle_dupe_cols = true。
index_col：int或sequence或false，默认没有
对于索引的列号或名称，如果给出了序列，则有多个行索引。
如果文件不规则并且尾巴具有分离器，则可以设置index_col = false的pandas不适用于第一列作为行索引。
UseCols：类似阵列，默认没有
返回数据集，此列表中的值必须对应于文件中位置的位置（数字可以对应于指定的列）或字符传输的名称是文件的名称。例如：有效USERCOL的参数可能为[0,1,2]或['foo'，'bar'，'baz']。使用此参数可以加快加载并减少内存消耗。
AS_RECARRAY：布尔值，默认为false
不同意使用：将在未来版本中删除此参数。请使用pd.read_csv（...）。to_records（）。
返回一个numpy recarlay以替换数据框。如果将参数设置为true。它将首先使用。索引将不再可用，并且索引列将被忽略。
**挤压**：布尔，默认为false
如果文件值包含列，请返回服务器
**前缀**：str，默认没有
当没有标题时，将前缀添加到列。例如：添加'x'成为x0，x1，...
** mangle_dupe_cols **：布尔值，默认为true
重复的列，将“ x” ... x'表示为“ x.0” ...'x.n。如果设置为false，则将覆盖所有重复。
dtype：键入colmn -type的名称或dict，默认没有
每列的数据类型。例如
**引擎**：{‘c’，‘python’}，可选
解析器使用。当Python发动机目前更加完整时，C发动机的速度更快。
使用的分析引擎。您可以选择C或Python.c引擎很快，但是Python发动机功能更完整。
转换器：dict，默认没有
转换函数的字典。关键可以是列或列的序列号。
true_values：列表，默认没有
值为真实的价值观
false_values：列表，默认没有
值为假的值
** skipinitialspace **：布尔值，默认为false
分段后忽略空白（默认为false，即不忽略）。
跳过：类似列表或整数，默认没有
需要忽略的行数（从文件的开头开始）或需要跳过的行号列表（从0开始）。
Skipfooter：int，默认值0
从文件的末尾开始。（不支持C引擎）
skip_footer：int，默认值0
不建议这样做：建议使用skipfooter，该功能相同。
nrows：int，默认没有
需要读取的行数（从文件头开始）。
na_values：scalan，str，类似于列表或dict，默认没有
一组替换na/nan的值。如果您传递参数，则需要制定特定列的空值。默认值为“ 1.＃ind”，'1.＃qnan'，'n/a'，'na'，'null'，'nan'，'nan'。
** keep_default_na **：bool，默认为true
如果指定了na_values参数并keep_default_na = false，则将涵盖默认的NAN，否则将其添加。
** na_filter **：布尔值，默认为true
检查您是否丢失了值（空字符串还是空值）。对于大文件，没有空值，设置na_filter = false可以提高读取速度。
冗长：布尔值，默认为false
是否打印各种解析器的输出信息，例如：“非价值列中丢失值的数量”等等。
skip_blank_lines：布尔值，默认为true
如果您是真的，您将跳过空线；否则，它将被记录为Nan。
** parse_dates **：布尔值或ints或名称列表或列表或dict的列表，默认为false
peash_datetime_format：boolean，默认错误false
如果将其设置为True且Parse_dates可用，则PANDAS将尝试将其转换为日期类型。在某些情况下，它将快5-10倍。
** keep_date_col **：布尔值，默认为false
如果连接多个列，请保持列参与连接。默认值为false。
date_parser：函数，默认没有
用于分析日期的功能，使用dateutil.parser.parser转换default.pandas尝试使用三种不同的方法来分析，并在遇到问题时使用下一个方法。
1.将一个或多个数组（由PARSE_DATES指定）作为参数；
2.将指定的多列字符串作为参数连接为列；
3.调用date_parser函数一次将一行分析一个或多个字符串（由parse_dates指定）为参数。
** dayfirst **：布尔值，默认为false
DD/mm格式日期类型
**迭代器**：布尔值，默认为false
返回textfilereader对象以通过块处理文件。
块：int，默认没有
文件块的大小，请参阅IO工具文档，以获取有关迭代器和块质量的更多信息。
压缩：{{'推断'，gzip'，'bz2'，'zip'，'xz'，none}，默认“ incer”
如果您使用推论参数，使用gzip，bz2，zip或用'.gz'，'.bz2'，'.zip'或'xz'是一个是一个，请使用gzip，bz2，zip或'xz'是一个文件，否则不会解压缩。如果您使用zip，则zip软件包中国必须仅包含一个文件。如果没有解压缩，请否。
新版本0.18.1版本支持ZIP和XZ减压
这和：str，默认没有
成千上万的积分划分，例如“”或“”。
小数：str，默认为'。’
字符中的小数点（例如：欧洲数据使用'，’）。
float_precision：字符串，默认没有
指定
**线粒体**：str（长度1），默认没有
线路划分符号仅在C饼干下使用。
** quodechar **：str（长度1），可选
引号被用作启动和解释的字符，引号中的分割符号将被忽略。
引用：int或csv.quote_*实例，默认为0
控制CSV中的引号常数。Optionalquote_minimal（0），quote_all（1），quote_nonnumeric（2）或quote_none（3）
doublequote：布尔值，默认为真
当定义单个引号并且引用参数不是QUOTE_NONE时，使用双引号将引号中的元素表示为元素。
Escapechar：str（长度1），默认没有
引用是quote_none时，请指定一个字符以实现无限限制。
评论：str，默认没有
如果字符出现在头部，则该行将被忽略。该参数只能是一个字符，空线的音符（就像skip_blank_lines = true一样）被header and skiprows.for忽略了。示例，如果注释='＃'＃'分析'#empty
a，b，c
1,2,3'为标题= 0，因此返回结果将基于“ A，B，C'为标头。
编码：str，默认没有
指定字符集的类型，通常指定为“ UTF-8”。Python标准编码列表
方言：str或csv.dialect实例，默认没有
如果没有特定的语言，则SEP大于字符，它将被忽略。检查csv.dialect文档
tupleize_cols：boolean，默认为false
在列上留下一个元组列表
error_bad_lines：布尔值，默认为true
如果一行包含太多列，则默认情况下不会返回数据框。如果将其设置为false，则将将其删除（仅在C Parster下使用）。
warn_bad_lines：布尔值，默认为true
如果error_bad_lines = false，并且warn_bad_lines = true，则将输出所有“坏线”（仅在C Parses下使用）。
** low_memory **：布尔值，默认为true
将块加载到内存，然后在低内存消耗中分析。但是可能存在混淆类型。确保该类型不会混淆并设置为false.或使用dtype参数指定类型。注意使用chunksize或Itererator tyerator或Itererator参数，读取到一个块中会将整个文件读取到数据框中，而忽略该类型（仅在C Parster中有效）
** buffer_lines **：int，默认没有
不建议，此参数将在未来版本中删除，因为不建议在解析器中使用其价值
compact_ints：布尔值，默认为false
不建议，此参数将在未来版本中删除
如果设置compact_ints = true，则任何整数列都将根据最小整数类型存储。
use_unsigned：布尔值，默认为false
不建议：将来版本将删除此参数
如果整数列被压缩（即compact_ints = true），则指定压缩列是符号还是非符号符号。
memory_map：布尔值，默认为false
如果存储器中使用的文件，请直接使用映射文件。使用此方法再次避免IO操作。
参考：
从理论上讲，无论可以读几行，这都是时间问题。与Excel不同，您只能阅读超过一百万行
结论：以上是由CSV相关内容的CSV相关内容编制的主要CTO注释。希望它对您有所帮助！如果您解决了问题，请与更多关心此问题的朋友分享?