CSV fájlok olvasása Pythonban

Ebben az oktatóanyagban megtanulunk példák segítségével különböző Python formátumú CSV fájlokat olvasni.

Kizárólag csva Pythonba épített modult fogjuk használni erre a feladatra. De először a modult kell importálnunk:

 import csv

Már áttekintettük a csvmodul CSV fájlokba történő olvasására és írására vonatkozó alapjait . Ha nincs ötlete a csvmodul használatával kapcsolatban, olvassa el a Python CSV-re vonatkozó oktatóanyagunkat: CSV-fájlok olvasása és írása

A csv.reader () alapvető használata

Nézzünk meg egy alapvető példát csv.reader()a meglévő ismeretek frissítésére.

1. példa: CSV fájlok olvasása a csv.reader () segítségével

Tegyük fel, hogy van egy CSV fájlunk a következő bejegyzésekkel:

 SN, név, 1. hozzájárulás, Linus Torvalds, Linux Kernel 2, Tim Berners-Lee, világháló 3, Guido van Rossum, Python programozás

A fájl tartalmát a következő programmal olvashatjuk el:

 import csv with open('innovators.csv', 'r') as file: reader = csv.reader(file) for row in reader: print(row)

Kimenet 

 ('SN', 'Név', 'Hozzájárulás') ('1', 'Linus Torvalds', 'Linux kernel') ('2', 'Tim Berners-Lee', 'Világháló') ('3' , „Guido van Rossum”, „Python programozás”)

Itt megnyitottuk az innovators.csv fájlt olvasási módban a open()funkció használatával .

Ha többet szeretne megtudni a fájlok Python-ban történő megnyitásáról, keresse fel a következő címet: Python File Input / Output

Ezután csv.reader()a fájlt olvassa el, amely egy iterálható readerobjektumot ad vissza .

Az readerobjektumot ezután egy forhurok segítségével iterálják az egyes sorok tartalmának kinyomtatásához.

Most különböző formátumú CSV fájlokat fogunk megvizsgálni. Ezután megtanuljuk, hogyan kell testre szabni a csv.reader()függvényt az olvasáshoz.

CSV fájlok egyedi elválasztókkal

Alapértelmezés szerint vesszőt használnak elválasztóként egy CSV-fájlban. Egyes CSV-fájlok azonban vesszőtől eltérő elválasztókat is használhatnak. Kevés népszerű |és .

Tegyük fel, hogy az 1. példában szereplő innovators.csv fájl a tab- ot használta elválasztóként. A fájl elolvasásához további paramétereket adhatunk át a függvénynek.delimitercsv.reader()

Vegyünk egy példát.

2. példa: Olvassa el a CSV fájlt Tab Elhatárolóval

 import csv with open('innovators.csv', 'r') as file: reader = csv.reader(file, delimiter = ' ') for row in reader: print(row)

Kimenet 

 ('SN', 'Név', 'Hozzájárulás') ('1', 'Linus Torvalds', 'Linux kernel') ('2', 'Tim Berners-Lee', 'Világháló') ('3' , „Guido van Rossum”, „Python programozás”)

Mint láthatjuk, az opcionális paraméter delimiter = ' 'segít megadni azt az readerobjektumot, amelyből a CSV-fájlban olvasunk, fülek vannak elválasztóként.

CSV fájlok kezdő szóközökkel

Egyes CSV fájlokban szóköz lehet karakterrel egy elválasztó után. Amikor az alapértelmezett csv.reader()funkciót használjuk ezeknek a CSV fájloknak az olvasásához, akkor a kimenetben is szóközöket kapunk.

Ezeknek a kezdeti szóközöknek a eltávolításához át kell adnunk egy további paramétert skipinitialspace. Nézzünk meg egy példát:

3. példa: Olvassa el a kezdő szóközökkel ellátott CSV fájlokat

Tegyük fel, hogy van egy CSV fájlunk , az emberek.csv nevű , a következő tartalommal:

 SN, Név, Város 1, John, Washington 2, Eric, Los Angeles 3, Brad, Texas

A CSV fájlt a következőképpen olvashatjuk el:

 import csv with open('people.csv', 'r') as csvfile: reader = csv.reader(csvfile, skipinitialspace=True) for row in reader: print(row)

Kimenet 

 ('SN', 'Név', 'Város') ('1', 'John', 'Washington') ('2', 'Eric', 'Los Angeles') ('3', 'Brad', ' Texas ')

A program hasonló a többi példához, de van egy további skipinitialspaceparamétere, amely True értékre van állítva.

Ez lehetővé teszi az readerobjektum számára, hogy a bejegyzések kezdő szóközt tartalmazzanak. Ennek eredményeként eltávolítják azokat a kezdeti tereket, amelyek egy elválasztó után voltak.

CSV fájlok idézőjelekkel

Egyes CSV-fájlok idézőjeleket tartalmazhatnak az egyes bejegyzések vagy azok körül.

Vegyük példaként az quotes.csv fájlt a következő bejegyzésekkel:

 "SN", "Név", "Idézetek" 1, Buddha, "Amiről azt gondoljuk, hogy válunk" 2, Mark Twain, "Soha ne bánj semmit, ami mosolygásra késztetett" 3, Oscar Wilde, "Légy te magad, mindenki más már elfoglalt"

Használata csv.reader()minimális módban fog eredményezni kimenet az idézőjeleket.

Ezek eltávolításához egy másik opcionális paramétert kell használnunk quoting.

Nézzünk meg egy példát a fenti program elolvasására.

4. példa: CSV fájlok olvasása idézőjelekkel

 import csv with open('person1.csv', 'r') as file: reader = csv.reader(file, quoting=csv.QUOTE_ALL, skipinitialspace=True) for row in reader: print(row)

Kimenet 

 ('SN', 'Name', 'Quotes') ('1', 'Buddha', 'What we think we become') ('2', 'Mark Twain', 'Never regret anything that made you smile') ('3', 'Oscar Wilde', 'Be yourself everyone else is already taken')

As you can see, we have passed csv.QUOTE_ALL to the quoting parameter. It is a constant defined by the csv module.

csv.QUOTE_ALL specifies the reader object that all the values in the CSV file are present inside quotation marks.

There are 3 other predefined constants you can pass to the quoting parameter:

  • csv.QUOTE_MINIMAL - Specifies reader object that CSV file has quotes around those entries which contain special characters such as delimiter, quotechar or any of the characters in lineterminator.
  • csv.QUOTE_NONNUMERIC - Specifies the reader object that the CSV file has quotes around the non-numeric entries.
  • csv.QUOTE_NONE - Specifies the reader object that none of the entries have quotes around them.

Dialects in CSV module

Notice in Example 4 that we have passed multiple parameters (quoting and skipinitialspace) to the csv.reader() function.

This practice is acceptable when dealing with one or two files. But it will make the code more redundant and ugly once we start working with multiple CSV files with similar formats.

As a solution to this, the csv module offers dialect as an optional parameter.

Dialect helps in grouping together many specific formatting patterns like delimiter, skipinitialspace, quoting, escapechar into a single dialect name.

It can then be passed as a parameter to multiple writer or reader instances.

Example 5: Read CSV files using dialect

Suppose we have a CSV file (office.csv) with the following content:

 "ID"| "Name"| "Email" "A878"| "Alfonso K. Hamby"| "[email protected]" "F854"| "Susanne Briard"| "[email protected]" "E833"| "Katja Mauer"| "[email protected]"

The CSV file has initial spaces, quotes around each entry, and uses a | delimiter.

Instead of passing three individual formatting patterns, let's look at how to use dialects to read this file.

 import csv csv.register_dialect('myDialect', delimiter='|', skipinitialspace=True, quoting=csv.QUOTE_ALL) with open('office.csv', 'r') as csvfile: reader = csv.reader(csvfile, dialect='myDialect') for row in reader: print(row)

Output 

 ('ID', 'Name', 'Email') ("A878", 'Alfonso K. Hamby', '[email protected]') ("F854", 'Susanne Briard', '[email protected]') ("E833", 'Katja Mauer', '[email protected]')

From this example, we can see that the csv.register_dialect() function is used to define a custom dialect. It has the following syntax:

 csv.register_dialect(name(, dialect(, **fmtparams)))

The custom dialect requires a name in the form of a string. Other specifications can be done either by passing a sub-class of Dialect class, or by individual formatting patterns as shown in the example.

While creating the reader object, we pass dialect='myDialect' to specify that the reader instance must use that particular dialect.

The advantage of using dialect is that it makes the program more modular. Notice that we can reuse 'myDialect' to open other files without having to re-specify the CSV format.

Read CSV files with csv.DictReader()

The objects of a csv.DictReader() class can be used to read a CSV file as a dictionary.

Example 6: Python csv.DictReader()

Suppose we have a CSV file (people.csv) with the following entries:

Name Age Profession
Jack 23 Doctor
Miller 22 Engineer

Let's see how csv.DictReader() can be used.

 import csv with open("people.csv", 'r') as file: csv_file = csv.DictReader(file) for row in csv_file: print(dict(row))

Output 

 ('Name': 'Jack', ' Age': ' 23', ' Profession': ' Doctor') ('Name': 'Miller', ' Age': ' 22', ' Profession': ' Engineer')

As we can see, the entries of the first row are the dictionary keys. And, the entries in the other rows are the dictionary values.

Here, csv_file is a csv.DictReader() object. The object can be iterated over using a for loop. The csv.DictReader() returned an OrderedDict type for each row. That's why we used dict() to convert each row to a dictionary.

Notice that we have explicitly used the dict() method to create dictionaries inside the for loop.

 print(dict(row))

Note: Starting from Python 3.8, csv.DictReader() returns a dictionary for each row, and we do not need to use dict() explicitly.

The full syntax of the csv.DictReader() class is:

 csv.DictReader(file, fieldnames=None, restkey=None, restval=None, dialect='excel', *args, **kwds)

To learn more about it in detail, visit: Python csv.DictReader() class

Using csv.Sniffer class

The Sniffer class is used to deduce the format of a CSV file.

The Sniffer class offers two methods:

  • sniff(sample, delimiters=None) - This function analyses a given sample of the CSV text and returns a Dialect subclass that contains all the parameters deduced.

An optional delimiters parameter can be passed as a string containing possible valid delimiter characters.

  • has_header(sample) - This function returns True or False based on analyzing whether the sample CSV has the first row as column headers.

Let's look at an example of using these functions:

Example 7: Using csv.Sniffer() to deduce the dialect of CSV files

Suppose we have a CSV file (office.csv) with the following content:

 "ID"| "Name"| "Email" A878| "Alfonso K. Hamby"| "[email protected]" F854| "Susanne Briard"| "[email protected]" E833| "Katja Mauer"| "[email protected]"

Let's look at how we can deduce the format of this file using csv.Sniffer() class:

 import csv with open('office.csv', 'r') as csvfile: sample = csvfile.read(64) has_header = csv.Sniffer().has_header(sample) print(has_header) deduced_dialect = csv.Sniffer().sniff(sample) with open('office.csv', 'r') as csvfile: reader = csv.reader(csvfile, deduced_dialect) for row in reader: print(row)

Output 

 True ('ID', 'Name', 'Email') ('A878', 'Alfonso K. Hamby', '[email protected]') ('F854', 'Susanne Briard', '[email protected]') ('E833', 'Katja Mauer', '[email protected]')

As you can see, we read only 64 characters of office.csv and stored it in the sample variable.

This sample was then passed as a parameter to the Sniffer().has_header() function. It deduced that the first row must have column headers. Thus, it returned True which was then printed out.

Hasonlóképpen a mintát is átadták a Sniffer().sniff()függvénynek. Visszaadta az összes levezetett paramétert Dialectalosztályként, amelyet azután a deduced_dialect változóban tároltunk.

Később újra megnyitottuk a CSV fájlt, és deduced_dialectparaméterként továbbítottuk a változót csv.reader().

Ez volt rendesen képes megjósolni delimiter, quotingés skipinitialspacea paramétereket a office.csv fájlt anélkül, nekünk kifejezetten őket megemlíteni.

Megjegyzés: A csv modul más fájlkiterjesztésekhez is használható (például: .txt ), amennyiben azok tartalma megfelelő szerkezetű.

Ajánlott olvasmány: Írjon CSV fájlokba Pythonban

érdekes cikkek...