快捷導(dǎo)航

Python辦公自動化之CSV文件的運(yùn)用和管理

更新時間：2023年12月20日 15:45:33 作者：逃逸的卡路里

Python辦公?動化是利?Python編程語?來創(chuàng)建腳本和程序,以簡化、加速和?動化?常辦公任務(wù)和?作流程的過程,本文主要來介紹一下如何利用Python進(jìn)行CSV文件的運(yùn)用和管理,感興趣的可以了解下

前言

Python辦公?動化是利?Python編程語?來創(chuàng)建腳本和程序，以簡化、加速和?動化?常辦公任務(wù)和?作流程的過程。它基于Python的強(qiáng)?功能和豐富的第三?庫，使得能夠處理各種辦公任務(wù)，如?檔處理、數(shù)據(jù)分析、電?郵件管理、?絡(luò)通信等等。

一、使用Python對文件和文件夾進(jìn)行管理

Python提供了許多內(nèi)置庫和第三?庫，?于?件和?件夾管理。

?些常?的?法和庫，可以幫助進(jìn)??件和?件夾操作：

1、使?內(nèi)置的 os 模塊

os 模塊是Python的標(biāo)準(zhǔn)庫之?，?于執(zhí)??件和?件夾的操作。以下是?些常?的 os 模塊功能：

# 創(chuàng)建?件夾：
import os
folder_name = "my_folder"
os.mkdir(folder_name)

# 刪除?件夾：
import os
folder_name = "my_folder"
os.rmdir(folder_name)

# 檢查?件或?件夾是否存在：
import os
file_path = "my_file.txt"
if os.path.exists(file_path):
print(f"{file_path} 存在")

# 遍歷?件夾中的?件：
import os
folder_path = "my_folder"
for filename in os.listdir(folder_path):
print(filename)

2、使?第三?庫 shutil

shutil 庫是Python標(biāo)準(zhǔn)庫的?部分，提供了更?級的?件和?件夾操作。它允許復(fù)制、移動、刪除?件和?件夾等更復(fù)雜的操作。

# 復(fù)制?件或?件夾：
import shutil
source = "source_file.txt"
destination = "destination_folder"
shutil.copy(source, destination)

# 移動?件或?件夾：
import shutil
source = "source_file.txt"
destination = "destination_folder"
shutil.move(source, destination)

# 刪除?件或?件夾（包括遞歸刪除）：
import shutil
file_or_folder = "file_or_folder"
shutil.rmtree(file_or_folder)

3、使?第三?庫 pathlib （Python 3.4及以上版本）

pathlib 庫提供了?種更?向?qū)ο蟮?式來處理?件和?件夾路徑，使代碼更具可讀性。

# 創(chuàng)建?件夾：
from pathlib import Path

folder_name = "my_folder"
path = Path(folder_name)
path.mkdir()

# 刪除?件或?件夾：
from pathlib import Path
file_or_folder = "my_file.txt"
path = Path(file_or_folder)
path.unlink() # 刪除?件
path.rmdir() # 刪除?件夾

# 遍歷?件夾中的?件：
from pathlib import Path
folder_path = "my_folder"
path = Path(folder_path)
for file in path.iterdir():
print(file.name)

以上是?些?于?件和?件夾管理的常??法和庫。根據(jù)具體的需求，選擇適合項?的?法和庫來執(zhí)??件和?件夾操作。

二、Python中CSV文件的操作

在Python中操作CSV?件時，有許多技巧和常??法，以幫助讀取、寫?和處理CSV數(shù)據(jù)。

下面是?些常?的CSV?件操作技巧：

1、使?內(nèi)置 csv 模塊

Python內(nèi)置了?個 csv 模塊，可?于處理CSV?件?？梢允? csv.reader 來讀取CSV?件的內(nèi)容，以及 csv.writer 來寫?CSV?件。

# 讀取CSV?件：
import csv
with open('data.csv', 'r') as file:
csv_reader = csv.reader(file)
for row in csv_reader:
print(row)

# 寫?CSV?件：
import csv
data = [['Name', 'Age', 'City'],
['Alice', 25, 'New York'],
['Bob', 30, 'Los Angeles']]
with open('data.csv', 'w', newline='') as file:
csv_writer = csv.writer(file)
csv_writer.writerows(data)

2、使? pandas 庫進(jìn)行數(shù)據(jù)處理

pandas 是?個功能強(qiáng)?的數(shù)據(jù)處理庫，可以輕松處理CSV數(shù)據(jù)?？梢允? pandas.read_csv 讀取CSV?件，以及使? pandas.DataFrame 來處理和操作數(shù)據(jù)。

# 讀取CSV?件：
import pandas as pd
df = pd.read_csv('data.csv')

# 寫?CSV?件：
import pandas as pd
data = {'Name': ['Alice', 'Bob'],
'Age': [25, 30],
'City': ['New York', 'Los Angeles']}
df = pd.DataFrame(data)
df.to_csv('data.csv', index=False)

pandas 還提供了許多數(shù)據(jù)操作和轉(zhuǎn)換功能，如數(shù)據(jù)過濾、排序、分組、合并等。

數(shù)據(jù)過濾

# 使用布爾數(shù)組過濾數(shù)據(jù)
condition = df['column'] > 10
filtered_df = df[condition]

# 使用query方法進(jìn)行數(shù)據(jù)過濾
filtered_df = df.query('column > 10')

數(shù)據(jù)排序

# 按照某一列進(jìn)行升序排序
sorted_df = df.sort_values('column')

# 按照某一列進(jìn)行降序排序
sorted_df = df.sort_values('column', ascending=False)

數(shù)據(jù)分組

# 按照某一列進(jìn)行分組，并計算每組的平均值
grouped_df = df.groupby('column').mean()

數(shù)據(jù)合并

# 合并兩個DataFrame
merged_df = pd.concat([df1, df2])

# 根據(jù)某一列進(jìn)行合并
merged_df = pd.merge(df1, df2, on='column')

3、處理CSV文件中的頭部和索引

CSV?件通常包括標(biāo)題行（列名）和?索引?？梢允? pandas 的 header 和 index_col 參數(shù)來處理這些內(nèi)容。

# 跳過標(biāo)題?：
df = pd.read_csv('data.csv', header=1) # 跳過第??，將其作為列名
# 設(shè)置?定義列名：
df = pd.read_csv('data.csv', names=['Name', 'Age', 'City'])
# 指定索引列：
df = pd.read_csv('data.csv', index_col='Name') # 使?'Name'列作為索引