การแยกไฟล์ CSV

What is CSV?

CSV ย่อมาจาก 'Comma Separated Values' ซึ่งเป็นรูปแบบที่ใช้กันทั่วไปสำหรับการนำเข้าและส่งออกข้อมูลสำหรับฐานข้อมูลและสเปรดชีต ไฟล์ CSV เป็นไฟล์ข้อความธรรมดาที่มีข้อมูลอยู่ในรูปแบบรายการ ส่วนใหญ่จะใช้เครื่องหมายจุลภาค (,) ในการแยกข้อมูล แต่บางครั้งอาจใช้เครื่องหมายอื่น ๆ เช่น เครื่องหมายอัฒภาคหรือแท็บ

ตัวอย่างข้อมูล CSV:

... column 1 name,column 2 name, column 3 name first row data 1,first row data 2,first row data 3 second row data 1,second row data 2,second row data 3 ...

CSV module in Python

แม้ว่า Python จะมีฟังก์ชันในตัว open() เพื่อทำงานกับไฟล์ CSV หรือไฟล์ข้อความธรรมดาอื่นๆ แต่ก็มีโมดูล csv เฉพาะที่ประกอบด้วยคลาสเพื่ออ่านและเขียนข้อมูลในรูปแบบ csv ซึ่งทำให้การทำงานกับไฟล์ CSV ง่ายขึ้นมาก

CSV module important functions

csv.field_size_limit – คืนขนาดฟิลด์สูงสุด
csv.get_dialect – รับรูปแบบการคุยที่เกี่ยวข้องกับชื่อ
csv.list_dialects – แสดงรูปแบบการคุยที่ลงทะเบียนไว้ทั้งหมด
csv.reader – อ่านข้อมูลจากไฟล์ csv
csv.register_dialect - เชื่อมโยงรูปแบบการคุยกับชื่อ
csv.writer – เขียนข้อมูลไปยังไฟล์ csv
csv.unregister_dialect - ลบรูปแบบการคุยที่เชื่อมโยงกับชือในทะเบียนรูปแบบการคุย
csv.QUOTE_ALL - วงเล็บข้อมูลทั้งหมดโดยไม่คำนึงถึงประเภท
csv.QUOTE_MINIMAL - วงเล็บเฉพาะฟิลด์ที่มีอักขระพิเศษ
csv.QUOTE_NONNUMERIC - วงเล็บฟิลด์ทั้งหมดที่ไม่ใช่ค่าตัวเลข
csv.QUOTE_NONE – ไม่ต้องวงเล็บข้อมูลใดๆ ในเอาต์พุต

How do you use csv module?

ขั้นแรกให้คุณนำเข้าโมดูล csv ในโปรแกรม Python ของคุณ

import csv

ฟังก์ชัน writer และ reader อนุญาตให้คุณแก้ไข ปรับเปลี่ยน และแปลงข้อมูลในไฟล์ CSV ได้

วิธีการอ่านไฟล์ CSV :-

ในการอ่านข้อมูลจากไฟล์ CSV เราใช้ฟังก์ชัน reader เพื่อสร้างอ็อบเจกต์ reader

ตัวอย่าง:

with open(filename, 'r') as csvfile:
    csvreader = csv.reader(csvfile)

ที่นี่เราจะเปิดไฟล์ CSV ในโหมดการอ่าน (READ) และตั้งชื่ออ็อบเจกต์ไฟล์ว่า csvfile เราใช้ตัวจัดการบริบทเพื่อเปิดไฟล์เพื่อไม่ให้เราต้องกังวลเกี่ยวกับการปิดไฟล์ ฟังก์ชัน csv.reader จะใช้ไฟล์อ็อบเจกต์เป็นอินพุตและส่งคืนอ็อบเจกต์ที่ทำซ้ำได้ และเราบันทึกอ็อบเจกต์ที่ทำซ้ำได้นี้เป็น csvreader

เนื่องจาก csvreader เป็นอ็อบเจกต์ที่ทำซ้ำได้ เราจึงสามารถวนซ้ำโดยใช้ลูป for ได้:

ตัวอย่าง 1:

with open(filename, 'r') as csvfile:
    csvreader = csv.reader(csvfile)
    for row in csvreader:
        print(row)

โค้ดด้านบนจะแสดงรายการของแถวทั้งหมดที่เราอ่านจากไฟล์ csv โปรดทราบว่าเราจะเปิดไฟล์ในโหมด 'r' เมื่อไฟล์นั้นมีอยู่แล้ว

What's next?

cvreader คืออ็อบเจกต์ที่ทำซ้ำได้ ดังนั้นเมธอด .next() จะส่งคืนแถวปัจจุบันและย้ายตัวชี้การทำซ้ำไปยังแถวถัดไป

ตัวอย่าง 2:

with open(filename, 'r') as csvfile:
    csvreader = csv.reader(csvfile)
    fields = csvreader.next()
    for row in csvreader:
        print(row)

ในตัวอย่างที่ 1 คุณจะเห็นว่าแถวทั้งหมดถูกพิมพ์บนคอนโซลพร้อมกับส่วนหัว ในตัวอย่างที่ 2 เมธอด .next() จะอ่านส่วนหัวในอ็อบเจกต์ fields และย้ายตัวชี้การทำซ้ำไปยังแถวถัดไป ดังนั้นแถวทั้งหมดจะถูกพิมพ์ยกเว้นส่วนหัว

วิธีการเขียนในไฟล์ CSV-

ในการเขียนข้อมูลในไฟล์ csv โมดูล csv มีฟังก์ชัน csv.writer สำหรับการเขียนข้อมูลเราจะเปิดไฟล์ CSV ในโหมดเขียน (WRITE) ('w') ก่อน อ็อบเจกต์ไฟล์ถูกตั้งชื่อว่า csvfile เราบันทึกอ็อบเจกต์ csv.writer เป็น csvwriter

ตัวอย่าง: #ประกาศส่วนหัว fields = ['column1','column2', 'column3']

#ประกาศแถว
rows = [["foo", "bar", "spam"],
       ["oof", "rab", "maps"],
       ["writerow", "isn't", "writerows"]]

filename = "university_records.csv"

with open(filename, 'w') as csvfile:
    csvwriter = csv.writer(csvfile)
    csvwriter.writerow(fields)
    csvwriter.writerows(rows)

ในตัวอย่างด้านบน ฟังก์ชัน writerow() จะเขียนแถวเดียวซึ่งเป็นอ็อบเจกต์ fields ในขณะที่เมธอด writerows() จะเขียนรายการทั้งหมดของแถวตามที่ประกาศไว้ข้างต้นลงในไฟล์ csv

ตอนนี้ให้เราก้าวไปข้างหน้าอีกขั้น อ่านเนื้อหาของไฟล์ csv หนึ่งไฟล์แล้วเขียนลงในอีกไฟล์ csv หนึ่ง

ตัวอย่าง:

with open('newfilename.csv', 'w') as f2:
    with open('mycsvfile.csv', mode='r') as f1:
        reader = csv.reader(f1)
        csvwriter = csv.writer(f2)
        header = next(reader)  # store the headers and advance reader pointer
        csvwriter.writerow(header) #writes the header into new file
        for row in reader:
            csvwriter.writerow(row)

ตรงนี้เป็นการเปิด 'newfilename.csv' ในโหมด 'W' เป็น f2 และเปิด 'mycsvfile.csv' ในโหมด 'r' เป็น f1 เราจะใช้เมธอดต่างๆ ของโมดูล csv เช่น .next(), .reader(), .writer(), .writerow() โดยใช้ .next() เพื่อนำตัวชี้ตัวตรวจสอบไปข้างหน้าและใช้งาน csvwriter.writerow() สำหรับการเขียนแถวที่เข้ามาแถวละแถว

DictReader and DictWriter classes in Python

ด้านล่างนี้เป็นสองคลาสที่สำคัญใน Python สำหรับการอ่านและเขียนไฟล์ csv

csv.Dictwriter class
csv.DictReader class

DictReader และ DictWriter เป็นคลาสที่มีอยู่ใน Python สำหรับการอ่านและเขียนไฟล์ CSV ถึงแม้ว่าพวกมันจะคล้ายกับฟังก์ชัน reader และ writer ก็ตาม คลาสเหล่านี้จะใช้อ็อบเจกต์พจนานุกรมเพื่ออ่านและเขียนไฟล์ csv

DictReader:

มันสร้างอ็อบเจกต์ที่แมปข้อมูลที่อ่านเข้าไปในพจนานุกรมซึ่งคีย์จะถูกกำหนดโดยพารามิเตอร์ fieldnames พารามิเตอร์นี้เป็นทางเลือก แต่เมื่อไม่ได้ระบุในไฟล์ ข้อมูลแถวแรกจะกลายเป็นคีย์ของพจนานุกรม

ตัวอย่างไฟล์ csv (info.csv)

..... firstname, lastname foo, bar foo1, bar1 .....

ตัวอย่าง:

    import csv
    with open('info.csv') as csvfile:
    reader = csv.DictReader(csvfile)
    for row in reader:
        print(row['firstname'], row['lastname'])

DictWriter:

คลาส csv.DictWriter ทำงานเหมือนกับ writer ปกติแต่แมปพจนานุกรม Python ลงในแถว CSV พารามิเตอร์ fieldnames เป็นลำดับของคีย์ที่ระบุลำดับที่ค่าของพจนานุกรมที่ถูกผ่านไปยังวิธีการ writerow() จะถูกเขียนลงในไฟล์ CSV คลาสนี้ถูกกำหนดเป็น csv.DictWriter(csvfile, fieldnames, restval='', extrasaction='raise', dialect='excel', args, *kwds)

ตัวอย่าง:

    import csv
    f = open('info.csv', 'w')
    with f:

        fnames = ['firstname', 'lastname']
        writer = csv.DictWriter(f, fieldnames=fnames)

        writer.writeheader()
        writer.writerow({'firstname' : 'Rob', 'last_name': 'Scott'})
        writer.writerow({'firstname' : 'Tom', 'last_name': 'Brown'})
        writer.writerow({'firstname' : 'Henry', 'last_name': 'Smith'})

Exercise

ในแบบฝึกหัดนี้ คุณจะได้ทำงานกับข้อมูล CSV งานของคุณคือการสร้างโปรแกรม Python ที่อ่านข้อมูลจากไฟล์ CSV แล้วเขียนลงในอีกไฟล์ CSV โดยให้รวมเฉพาะแถวที่มีค่าในคอลัมน์แรกมากกว่า 50 ในไฟล์ผลลัพธ์เท่านั้น

This site is generously supported by DataCamp. DataCamp offers online interactive Python Tutorials for Data Science. Join over a million other learners and get started learning Python for data science today!