Python数据处理：CSV文件操作-优快云博客

数据的CSV文件存取

本文的主要内容是基于中国大学mooc（慕课）中的“Python数据分析与可视化”课程进行整理和总结。
CSV，Comma-Separated Value，逗号分隔符，CSV是一种常见的文件格式，用于存储批量数据，常用于存储一维和二维数据。
如下表所示，存储称为CSV文件后变成用逗号分隔的数据文件。
在这里插入图片描述

Numpy中有两个函数可以用来将文件写入CSV格式，并从CSV文件中读取数据。

将数据写入CSV文件

np.savetest(frame,array,fmt=’%.18e’,delimiter=None)
frame:文件，字符串或产生器，可以是**.gz或者.bz2**的压缩文件；
array:存入文件的数组；
fmt:写入文件的格式，例如：%d %.2f %.18e，这是用户主要修改的参数；
delimiter:分割字符串,默认是空格；

a = np.arange(100).reshape(5,20)

np.savetxt('a.csv',a,fmt='%d',delimiter=',')

在与编写代码相同路径下可以找到该csv文件：
在这里插入图片描述
使用一位小数点的浮点数来存储数据生成CSV文件得到结果如下：

a = np.arange(100).reshape(5,20)

np.savetxt('b.csv',a,fmt='%.1f')

在这里插入图片描述
从结果可以看出，delimiter默认为None时，未对数据进行分隔，且每一行的数据均存在同一表格中。

将数据文件读入Numpy

还可以将CSV文件读入到Numpy数组类型中。
np.loadtxt(frame,dtype=np.float,delimiter=None,unpack=False)
frame:指定读入的文件来源，可以是文件，字符串或产生器，可以是**.gz或者.bz2**的压缩文件；
dtype：将CSV文件中的每一个元素由字符串变成一个特定的格式，使用dtype变量指定，数据类型可选；
delimiter：分隔字符串，默认是任何空格，CSV文件需要使用“,”作为分割字符串；
unpack:如果为True，读入属性将分别写入不同变量；

c = np.loadtxt('a.csv',delimiter=',')

array([[ 0.,  1.,  2.,  3.,  4.,  5.,  6.,  7.,  8.,  9., 10., 11., 12.,
        13., 14., 15., 16., 17., 18., 19.],
       [20., 21., 22., 23., 24., 25., 26., 27., 28., 29., 30., 31., 32.,
        33., 34., 35., 36., 37., 38., 39.],
       [40., 41., 42., 43., 44., 45., 46., 47., 48., 49., 50., 51., 52.,
        53., 54., 55., 56., 57., 58., 59.],
       [60., 61., 62., 63., 64., 65., 66., 67., 68., 69., 70., 71., 72.,
        73., 74., 75., 76., 77., 78., 79.],
       [80., 81., 82., 83., 84., 85., 86., 87., 88., 89., 90., 91., 92.,
        93., 94., 95., 96., 97., 98., 99.]])

d = np.loadtxt('a.csv',dtype=np.int,delimiter=',',unpack=True)

array([[ 0, 20, 40, 60, 80],
       [ 1, 21, 41, 61, 81],
       [ 2, 22, 42, 62, 82],
       [ 3, 23, 43, 63, 83],
       [ 4, 24, 44, 64, 84],
       [ 5, 25, 45, 65, 85],
       [ 6, 26, 46, 66, 86],
       [ 7, 27, 47, 67, 87],
       [ 8, 28, 48, 68, 88],
       [ 9, 29, 49, 69, 89],
       [10, 30, 50, 70, 90],
       [11, 31, 51, 71, 91],
       [12, 32, 52, 72, 92],
       [13, 33, 53, 73, 93],
       [14, 34, 54, 74, 94],
       [15, 35, 55, 75, 95],
       [16, 36, 56, 76, 96],
       [17, 37, 57, 77, 97],
       [18, 38, 58, 78, 98],
       [19, 39, 59, 79, 99]])