Lese CSV-filer i Python

I denne opplæringen lærer vi å lese CSV-filer med forskjellige formater i Python ved hjelp av eksempler.

Vi skal utelukkende bruke csvmodulen innebygd i Python for denne oppgaven. Men først må vi importere modulen som:

 import csv

Vi har allerede dekket det grunnleggende om hvordan du bruker csvmodulen til å lese og skrive inn CSV-filer. Hvis du ikke har noen ide om å bruke csvmodulen, kan du sjekke ut veiledningen vår om Python CSV: Les og skriv CSV-filer

Grunnleggende bruk av csv.reader ()

La oss se på et grunnleggende eksempel på bruk for csv.reader()å oppdatere eksisterende kunnskap.

Eksempel 1: Les CSV-filer med csv.reader ()

Anta at vi har en CSV-fil med følgende oppføringer:

 SN, Name, Contribution 1, Linus Torvalds, Linux Kernel 2, Tim Berners-Lee, World Wide Web 3, Guido van Rossum, Python Programming

Vi kan lese innholdet i filen med følgende program:

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

Produksjon 

 ('SN', 'Name', 'Contribution') ('1', 'Linus Torvalds', 'Linux Kernel') ('2', 'Tim Berners-Lee', 'World Wide Web') ('3' , 'Guido van Rossum', 'Python Programming')

Her har vi åpnet filen innovators.csv i lesemodus ved hjelp av open()funksjonen.

Hvis du vil lære mer om å åpne filer i Python, kan du gå til: Python File Input / Output

Deretter csv.reader()brukes den til å lese filen, som returnerer et iterabelt readerobjekt.

Den readergjenstand blir deretter iterert ved hjelp av en forløkke for å skrive innholdet i hver rad.

Nå skal vi se på CSV-filer med forskjellige formater. Vi vil da lære å tilpasse csv.reader()funksjonen for å lese dem.

CSV-filer med egendefinerte avgrensere

Som standard brukes komma som skilletegn i en CSV-fil. Noen CSV-filer kan imidlertid bruke andre skilletegn enn komma. Få populære er |og .

Anta at innovators.csv- filen i eksempel 1 brukte fanen som avgrenser. For å lese filen kan vi sende en ekstra delimiterparameter til csv.reader()funksjonen.

La oss ta et eksempel.

Eksempel 2: Les CSV-fil med tabulatoravgrensning

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

Produksjon 

 ('SN', 'Name', 'Contribution') ('1', 'Linus Torvalds', 'Linux Kernel') ('2', 'Tim Berners-Lee', 'World Wide Web') ('3' , 'Guido van Rossum', 'Python Programming')

Som vi kan se, delimiter = ' 'hjelper den valgfrie parameteren med å spesifisere readerobjektet som CSV-filen vi leser fra, har faner som skilletegn.

CSV-filer med innledende mellomrom

Noen CSV-filer kan ha mellomrom etter en avgrenser. Når vi bruker standardfunksjonen csv.reader()til å lese disse CSV-filene, får vi også mellomrom i utdataene.

For å fjerne disse innledende mellomrommene, må vi sende en ekstra parameter kalt skipinitialspace. La oss se på et eksempel:

Eksempel 3: Les CSV-filer med innledende mellomrom

Anta at vi har en CSV-fil som heter people.csv med følgende innhold:

 SN, Name, City 1, John, Washington 2, Eric, Los Angeles 3, Brad, Texas

Vi kan lese CSV-filen som følger:

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

Produksjon 

 ('SN', 'Name', 'City') ('1', 'John', 'Washington') ('2', 'Eric', 'Los Angeles') ('3', 'Brad', ' Texas ')

Programmet ligner på andre eksempler, men har en tilleggsparameter skipinitialspacesom er satt til Sann.

Dette gjør det mulig for readerobjektet å vite at oppføringene har et første mellomrom. Som et resultat blir de første mellomrommene som var til stede etter en avgrenser fjernet.

CSV-filer med anførselstegn

Noen CSV-filer kan ha anførselstegn rundt hver eller noen av oppføringene.

La oss ta quotes.csv som et eksempel, med følgende oppføringer:

 "SN", "Navn", "Sitater" 1, Buddha, "Hva vi tror vi blir" 2, Mark Twain, "Angrer aldri på noe som fikk deg til å smile" 3, Oscar Wilde, "Vær deg selv alle andre er allerede tatt"

Bruk csv.reader()i minimal modus vil gi utdata med anførselstegn.

For å fjerne dem, må vi bruke en annen valgfri parameter kalt quoting.

La oss se på et eksempel på hvordan du leser programmet ovenfor.

Eksempel 4: Les CSV-filer med anførselstegn

 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)

Produksjon 

 ('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.

Tilsvarende ble prøven også sendt til Sniffer().sniff()funksjonen. Den returnerte alle dedikerte parametere som en Dialectunderklasse som deretter ble lagret i deduced_dialect-variabelen.

Senere åpnet vi CSV-filen på nytt og sendte deduced_dialectvariabelen som parameter til csv.reader().

Det var riktig i stand til å forutsi delimiter, quotingog skipinitialspaceparametere i office.csv- filen uten at vi eksplisitt nevnte dem.

Merk: csv-modulen kan også brukes til andre filtyper (som: .txt ) så lenge innholdet er i riktig struktur.

Anbefalt lesing: Skriv til CSV-filer i Python

Interessante artikler...