Python 中读取和保存csv文件（包括将列表保存为csv格式的文件）

1.用pandas.read_csv 读取csv文件。

第一行变成了列名怎么办？

https://blog.csdn.net/a19990412/article/details/80030142

设置read_csv的header参数为None,或者其他自定义的列名，否则会默认第一行为列名。

这边一定要注意，如果没有列名的话，读取数据的时候，就设置header为None，否则读进来的时候将会把第一行数据认为列名，数据类型会变，并且如果数据有重复的话（如11.937有好多个，就会改为11.937.1，11.937.2之类的）。

画图的时候发现得到的图形很奇怪，找了好久的原因才发现是读数据的时候就出现了错误。之后画图的时候，一定要在画图前就把要画的数据打出来检查一下，防止浪费时间。

 

对dataframe进行遍历，使用iterrows()进行遍历。

iterrows()返回值为元组,(index,row) 

https://blog.csdn.net/weixin_38605247/article/details/78736417

    for index, raw in transient_cev_pwm_single.iterrows():
        print 'index = ', index
        raw = list(raw)
        if index == 0 or index % 100 == 0 or index == 417:  # 取出来几行，用来做对比
            raw_list.append(raw)
        print 'max = ', max(raw)
        max_list.append(max(raw))

2.将list保存为csv格式的文件的两种方法

有两种方式，一种为转化为pandas.Dataframe的数据类型，然后使用df.to_csv保存，一种是使用csv库中的writer()函数。

参考博客为：

https://blog.csdn.net/qq_34562093/article/details/81006819

通过pandas模块的to_csv方法实现将二维的list转为csv，但是同样存在DataFrame结构会将数据去重，默认第一列作为主键，且主键唯一。若元数据中存在重复的主键，这就改变了元数据。

 # 将取出来的用来作图的几行保存下来
    index_name = ['0', '100', '200', '300', '400', '417']
    raw_list = pd.DataFrame(columns=None, index=index_name, data=raw_list)
    data_name = 'pwm_single_cev_six_rows.csv'
    raws_path = os.path.join(dir_path, data_name)
    raw_list.to_csv(raws_path)
    print 'raw_list_file_saved'

raw_list原来是个二维数组，将其变为dataframe的数据类型，其中，index 为行名，每一行的索引， columns 为列名，列的索引，设置为None的话就是使用默认的列名（0，1，2……）。

使用csv库中的writer()函数的这种方法比较麻烦，按行将list中数据写入csv文件，但是不存在主键唯一的问题。

此方法要import csv，文件打开方式我用了open，最好还是用with open() as xx: 

    max_file = 'pwm_single_cev_max.csv'  # 将尖峰电压的最大值保存为csv文件
    max_file_path = open(os.path.join(dir_path, max_file), "w")
    print 'max_list = ', max_list
    writer = csv.writer(max_file_path)
    writer.writerow(max_list)
    max_file_path.close()
    print 'max_file_saved'

这边要注意一点就是writerow(sequence),括号里面的数据类型必须为序列，也就是tuple 或者 list。否则会报错

 _csv.Error: sequence expected

3. pandas.read_csv()的参数介绍，加粗的为使用过得，其他的尝试了再补充体验。

read_csv()的参数介绍，掌握参数很重要，很多问题只用设置参数就可以了。

https://www.cnblogs.com/datablog/p/6127000.html

filepath_or_buffer : str，pathlib。str, pathlib.Path, py._path.local.LocalPath or any object with a read() method (such as a file handle or StringIO) 可以是URL，可用URL类型包括：http, ftp, s3和文件。对于多文件正在准备中 ，一定要有这个！

nrows : int, default None 需要读取的行数（从文件头开始算起）。

skiprows : list-like or integer, default None 需要忽略的行数（从文件开始处算起），或需要跳过的行号列表（从0开始），这里注意如果要忽略的是行数，指定int值，如果要忽略的是指定的行，需要一个int的list。

sep : str, default ‘,’ 指定分隔符。如果不指定参数，则会尝试使用逗号分隔。分隔符长于一个字符并且不是‘\s+’,将使用python的语法分析器。并且忽略数据中的逗号。正则表达式例子：'\r\t'

delimiter : str, default None 定界符，备选分隔符（如果指定该参数，则sep参数失效）

delim_whitespace : boolean, default False. 指定空格(例如’ ‘或者’ ‘)是否作为分隔符使用，等效于设定sep='\s+'。如果这个参数设定为Ture那么delimiter 参数失效。

header : int or list of ints, default ‘infer’ 指定行数用来作为列名，数据开始行数。如果文件中没有列名，则默认为0，否则设置为None。如果明确设定header=0 就会替换掉原来存在列名。header参数可以是一个list例如：[0,1,3]，这个list表示将文件中的这些行作为列标题（意味着每一列有多个标题），介于中间的行将被忽略掉。

注意：如果skip_blank_lines=True 那么header参数忽略注释行和空行，所以header=0表示第一行数据而不是文件的第一行。

names : array-like, default None 用于结果的列名列表，如果数据文件中没有列标题行，就需要执行header=None。默认列表中不能出现重复，除非设定参数mangle_dupe_cols=True。

index_col : int or sequence or False, default None 用作行索引的列编号或者列名，如果给定一个序列则有多个行索引。如第零列为索引，则设置参数index_col=0即可。

如果文件不规则，行尾有分隔符，则可以设定index_col=False 来是的pandas不适用第一列作为行索引。

usecols : array-like, default None 返回一个数据子集，该列表中的值必须可以对应到文件中的位置（数字可以对应到指定的列）或者是字符传为文件中的列名。例如：usecols有效参数可能是 [0,1,2]或者是 [‘foo’, ‘bar’, ‘baz’]。使用这个参数可以加快加载速度并降低内存消耗。

squeeze : boolean, default False 如果文件值包含一列，则返回一个Series

prefix : str, default None 在没有列标题时，给列添加前缀。例如：添加‘X’ 成为 X0, X1, ..

mangle_dupe_cols : boolean, default True 重复的列，将‘X’...’X’表示为‘X.0’...’X.N’。如果设定为false则会将所有重名列覆盖。

dtype : Type name or dict of column -> type, default None

每列数据的数据类型。例如 {‘a’: np.float64, ‘b’: np.int32}

engine : {‘c’, ‘python’}, optional

Parser engine to use. The C engine is faster while the python engine is currently more feature-complete.

使用的分析引擎。可以选择C或者是python。C引擎快但是Python引擎功能更加完备。

converters : dict, default None 列转换函数的字典。key可以是列名或者列的序号。

true_values : list, default None Values to consider as True

false_values : list, default None Values to consider as False

skipinitialspace : boolean, default False 忽略分隔符后的空白（默认为False，即不忽略）.

skipfooter : int, default 0 从文件尾部开始忽略。 (c引擎不支持)

na_values : scalar, str, list-like, or dict, default None

一组用于替换NA/NaN的值。如果传参，需要制定特定列的空值。默认为‘1.#IND’, ‘1.#QNAN’, ‘N/A’, ‘NA’, ‘NULL’, ‘NaN’, ‘nan’`.

keep_default_na : bool, default True

如果指定na_values参数，并且keep_default_na=False，那么默认的NaN将被覆盖，否则添加。

na_filter : boolean, default True

是否检查丢失值（空字符串或者是空值）。对于大文件来说数据集中没有空值，设定na_filter=False可以提升读取速度。

verbose : boolean, default False

是否打印各种解析器的输出信息，例如：“非数值列中缺失值的数量”等。

skip_blank_lines : boolean, default True

如果为True，则跳过空行；否则记为NaN。

parse_dates : boolean or list of ints or names or list of lists or dict, default False

• boolean. True -> 解析索引
• list of ints or names. e.g. If [1, 2, 3] -> 解析1,2,3列的值作为独立的日期列；
• list of lists. e.g. If [[1, 3]] -> 合并1,3列作为一个日期列使用
• dict, e.g. {‘foo’ : [1, 3]} -> 将1,3列合并，并给合并后的列起名为"foo"

infer_datetime_format : boolean, default False

如果设定为True并且parse_dates 可用，那么pandas将尝试转换为日期类型，如果可以转换，转换方法并解析。在某些情况下会快5~10倍。

keep_date_col : boolean, default False

如果连接多列解析日期，则保持参与连接的列。默认为False。

date_parser : function, default None

用于解析日期的函数，默认使用dateutil.parser.parser来做转换。Pandas尝试使用三种不同的方式解析，如果遇到问题则使用下一种方式。

1.使用一个或者多个arrays（由parse_dates指定）作为参数；

2.连接指定多列字符串作为一个列作为参数；

3.每行调用一次date_parser函数来解析一个或者多个字符串（由parse_dates指定）作为参数。

dayfirst : boolean, default False

DD/MM格式的日期类型

iterator : boolean, default False

返回一个TextFileReader 对象，以便逐块处理文件。

chunksize : int, default None

文件块的大小， See IO Tools docs for more informationon iterator and chunksize.

compression : {‘infer’, ‘gzip’, ‘bz2’, ‘zip’, ‘xz’, None}, default ‘infer’

直接使用磁盘上的压缩文件。如果使用infer参数，则使用 gzip, bz2, zip或者解压文件名中以‘.gz’, ‘.bz2’, ‘.zip’, or ‘xz’这些为后缀的文件，否则不解压。如果使用zip，那么ZIP包中国必须只包含一个文件。设置为None则不解压。

新版本0.18.1版本支持zip和xz解压

thousands : str, default None

千分位分割符，如“，”或者“."

decimal : str, default ‘.’

字符中的小数点 (例如：欧洲数据使用’，‘).

float_precision : string, default None

Specifies which converter the C engine should use for floating-point values. The options are None for the ordinary converter, high for the high-precision converter, and round_trip for the round-trip converter.

指定

lineterminator : str (length 1), default None

行分割符，只在C解析器下使用。

quotechar : str (length 1), optional

引号，用作标识开始和解释的字符，引号内的分割符将被忽略。

quoting : int or csv.QUOTE_* instance, default 0

控制csv中的引号常量。可选 QUOTE_MINIMAL (0), QUOTE_ALL (1), QUOTE_NONNUMERIC (2) or QUOTE_NONE (3)

doublequote : boolean, default True

双引号，当单引号已经被定义，并且quoting 参数不是QUOTE_NONE的时候，使用双引号表示引号内的元素作为一个元素使用。

escapechar : str (length 1), default None

当quoting 为QUOTE_NONE时，指定一个字符使的不受分隔符限值。

comment : str, default None

标识着多余的行不被解析。如果该字符出现在行首，这一行将被全部忽略。这个参数只能是一个字符，空行（就像skip_blank_lines=True）注释行被header和skiprows忽略一样。例如如果指定comment='#' 解析‘#empty\na,b,c\n1,2,3’ 以header=0 那么返回结果将是以’a,b,c'作为header。

encoding : str, default None

指定字符集类型，通常指定为'utf-8'. List of Python standard encodings

dialect : str or csv.Dialect instance, default None

如果没有指定特定的语言，如果sep大于一个字符则忽略。具体查看csv.Dialect 文档

tupleize_cols : boolean, default False

Leave a list of tuples on columns as is (default is to convert to a Multi Index on the columns)

error_bad_lines : boolean, default True

如果一行包含太多的列，那么默认不会返回DataFrame ，如果设置成false，那么会将改行剔除（只能在C解析器下使用）。

warn_bad_lines : boolean, default True

如果error_bad_lines =False，并且warn_bad_lines =True 那么所有的“bad lines”将会被输出（只能在C解析器下使用）。

low_memory : boolean, default True

分块加载到内存，再低内存消耗中解析。但是可能出现类型混淆。确保类型不被混淆需要设置为False。或者使用dtype 参数指定类型。注意使用chunksize 或者iterator 参数分块读入会将整个文件读入到一个Dataframe，而忽略类型（只能在C解析器中有效）

memory_map : boolean, default False

如果使用的文件在内存内，那么直接map文件使用。使用这种方式可以避免文件再次进行IO操作。