Python讀寫csv檔案

覺得有用的話,歡迎一起討論相互學習~Follow Me

前言

逗號分隔值（Comma-Separated Values，CSV，有時也稱為字元分隔值，因為分隔字元也可以不是逗號），其檔案以純文字形式儲存表格資料（數字和文字）。純文字意味著該檔案是一個字元序列，不含必須像二進位制數字那樣被解讀的資料。CSV檔案由任意數目的記錄組成，記錄間以某種換行符分隔；每條記錄由欄位組成，欄位間的分隔符是其它字元或字串，最常見的是逗號或製表符。通常，所有記錄都有完全相同的欄位序列.

特點

• 讀取出的資料一般為字元型別，如果是數字需要人為轉換為數字
• 以行為單位讀取資料
• 列之間以半形逗號或製表符為分隔，一般為半形逗號
• 一般為每行開頭不空格，第一行是屬性列，資料列之間以間隔符為間隔無空格，行之間無空行。

行之間無空行十分重要，如果有空行或者資料集中行末有空格，讀取資料時一般會出錯，引發[list index out of range]錯誤。PS：已經被這個錯誤坑過很多次！

使用python I/O寫入和讀取CSV檔案

使用PythonI/O寫入csv檔案

• 以下是將”birthweight.dat”低出生體重的dat檔案從作者源處下載下來，並且將其處理後儲存到csv檔案中的程式碼。

import csv
import os
import numpy as
 
 np
import random
import requests
# name of data file
# 資料集名稱
birth_weight_file = 'birth_weight.csv'

# download data and create data file if file does not exist in current directory
# 如果當前資料夾下沒有birth_weight.csv資料集則下載dat檔案並生成csv檔案
if not os.path.exists(birth_weight_file):
    birthdata_url = 'https://github.com/nfmcclure/tensorflow_cookbook/raw/master/01_Introduction/07_Working_with_Data_Sources/birthweight_data/birthweight.dat'
 

    birth_file = requests.get(birthdata_url)
    birth_data = birth_file.text.split('\r\n')
    # split分割函式,以一行作為分割函式，windows中換行符號為'\r\n',每一行後面都有一個'\r\n'符號。
    birth_header = birth_data[0].split('\t')
    # 每一列的標題，標在第一行，即是birth_data的第一個資料。並使用製表符作為劃分。
    birth_data = [[float(x) for x in y.split('\t') if len(x) >= 1] for y in birth_data[1:] if len(y) >= 1]
    print(np.array(birth_data).shape)
    # (189, 9)
    # 此為list資料形式不是numpy陣列不能使用np,shape函式,但是我們可以使用np.array函式將list物件轉化為numpy陣列後使用shape屬性進行檢視。
    with open(birth_weight_file, "w", newline='') as f:
    # with open(birth_weight_file, "w") as f:
        writer = csv.writer(f)
        writer.writerows([birth_header])
        writer.writerows(birth_data)
        f.close()

常見錯誤list index out of range

• 其中我們重點需要講的是 with open(birth_weight_file, “w”, newline=”) as f: 這個語句。表示寫入csv檔案,如果不加上引數 newline=” 表示以空格作為換行符，而是用 with open(birth_weight_file, “w”) as f: 語句。則生成的表格中會出現空行。

• 不僅僅是用python I/O進行csv資料的讀寫時，利用其餘方法讀寫csv資料，或者從網上下載好csv資料集後都需要檢視其每行後有沒有空格，或者有沒有多餘的空行。避免不必要的錯誤~影響資料分析時的判斷。

使用PythonI/O讀取csv檔案

• 使用python I/O方法進行讀取時即是新建一個List 列表然後按照先行後列的順序(類似C語言中的二維陣列)將資料存進空的List物件中，如果需要將其轉化為numpy 陣列也可以使用np.array(List name)進行物件之間的轉化。

birth_data = []
with open(birth_weight_file) as csvfile:
    csv_reader = csv.reader(csvfile)  # 使用csv.reader讀取csvfile中的檔案
    birth_header = next(csv_reader)  # 讀取第一行每一列的標題
    for row in csv_reader:  # 將csv 檔案中的資料儲存到birth_data中
        birth_data.append(row)


birth_data = [[float(x) for x in row] for row in birth_data]  # 將資料從string形式轉換為float形式


birth_data = np.array(birth_data)  # 將list陣列轉化成array陣列便於檢視資料結構
birth_header = np.array(birth_header)
print(birth_data.shape)  # 利用.shape檢視結構。
print(birth_header.shape)
#
# (189, 9)
# (9,)

使用Pandas讀取CSV檔案

import pandas as pd

csv_data = pd.read_csv('birth_weight.csv')  # 讀取訓練資料
print(csv_data.shape)  # (189, 9)
N = 5
csv_batch_data = csv_data.tail(N)  # 取後5條資料
print(csv_batch_data.shape)  # (5, 9)
train_batch_data = csv_batch_data[list(range(3, 6))]  # 取這20條資料的3到5列值(索引從0開始)
print(train_batch_data)

#      RACE  SMOKE  PTL
# 184   0.0    0.0  0.0
# 185   0.0    0.0  1.0
# 186   0.0    1.0  0.0
# 187   0.0    0.0  0.0
# 188   0.0    0.0  1.0

使用Tensorflow讀取CSV檔案

• 本人在平時一般都是使用Tensorflow處理各類資料，所以對於使用Tensorflow讀取資料在此不過多的進行解釋。下面貼上一段程式碼，如果有不懂的地方可以看我原來的部落格內容。

'''使用Tensorflow讀取csv資料'''
filename = 'birth_weight.csv'
file_queue = tf.train.string_input_producer([filename])  # 設定檔名佇列，這樣做能夠批量讀取資料夾中的檔案
reader = tf.TextLineReader(skip_header_lines=1)  # 使用tensorflow文字行閱讀器，並且設定忽略第一行
key, value = reader.read(file_queue)
defaults = [[0.], [0.], [0.], [0.], [0.], [0.], [0.], [0.], [0.]]  # 設定列屬性的資料格式
LOW, AGE, LWT, RACE, SMOKE, PTL, HT, UI, BWT = tf.decode_csv(value, defaults)
# 將讀取的資料編碼為我們設定的預設格式
vertor_example = tf.stack([AGE, LWT, RACE, SMOKE, PTL, HT, UI])  # 讀取得到的中間7列屬性為訓練特徵
vertor_label = tf.stack([BWT])  # 讀取得到的BWT值表示訓練標籤

# 用於給取出的資料新增上batch_size維度，以批處理的方式讀出資料。可以設定批處理資料大小，是否重複讀取資料，容量大小，佇列末尾大小，讀取執行緒等屬性。
example_batch, label_batch = tf.train.shuffle_batch([vertor_example, vertor_label], batch_size=10, capacity=100, min_after_dequeue=10)

# 初始化Session
with tf.Session() as sess:
    coord = tf.train.Coordinator()  # 執行緒管理器
    threads = tf.train.start_queue_runners(coord=coord)
    print(sess.run(tf.shape(example_batch)))  # [10  7]
    print(sess.run(tf.shape(label_batch)))  # [10  1]
    print(sess.run(example_batch)[3])  # [ 19.  91.   0.   1.   1.   0.   1.]
    coord.request_stop()
    coord.join(threads)

'''
對於使用所有Tensorflow的I/O操作來說開啟和關閉執行緒管理器都是必要的操作
with tf.Session() as sess:
    coord = tf.train.Coordinator()  # 執行緒管理器
    threads = tf.train.start_queue_runners(coord=coord)
    #  Your code here~
    coord.request_stop()
    coord.join(threads)
'''

還有其他使用python讀取檔案的各種方法，這裡介紹三種，不定期進行補充。