python 数据分析基础一：csv文件处理（1）
前言： csv文件格式是一种非常简单的数据储存与分享方式，csv文件可以将数据表格储存为纯文本，这适应了很多的程序。而且利用python处理csv几乎是完全自由的，因为你可以自己去开发一些处理的工具
对于csv文件我们可以使用普通的文本编辑器打开，如下：
我们以文本文档的格式打开可以看到：
而且我们可以通过修改文本文档的内容去修改整个csv文件。
那么我们首先要说的就是通过基础python处理这样的文件
首先，我们看最基本的以python，写入一个csv文件，代码：
#写入文本文件 write()写单个字符串，writelines可以将一系列字符串写入文本文件中
a_list=['1','2','3']
le=len(a_list)
inputname="the_first_csv.csv"
filename=open(inputname,"w+")
for index in range(le):
if index先创建一个非空列表，里面包含了我们要上传的数据，这里我们没有使用新型的打开文件的方式，我个人还是建议使用
with open(“filename”,“way”,newline="") 的方式去打开文件，这样比我们使用open与close的安全性更高
接着看代码，如果没有这个文件的话，系统会会在目录上创建这个名为 “the_first_csv.csv” 的文件，创建好之后，我们使用write函数将这些字符串写入文件中，我们执行完这段代码后打开这个csv文件，如下：
这样，一个简单的csv文件就诞生了，但这只是最基本的。
读写csv文件。
这里为了方便读写，我给大家提供一个简单的csv文件，也就是我上面截图的那个文件，大家可以从网址上面下载：
以上的csv文件地址传送门.
将文件下载之后，我们首先不使用csv模块与pandas模块，
接下来我们使用基础python，对该文件进行操作
上代码：
input_file="supplier_data.csv"
out_file="the_first_csv.csv"
with open(input_file,"r",newline="") as filereader:
with open(out_file,"w",newline="") as filewriter:
head=filereader.readline()
head=head.strip()
head_list=head.split(",")
filewriter.write(",".join(map(str,head_list))+'\n')
for row in filereader:
row=row.strip()
row_list=row.split(",")
print(row_list)
filewriter.write(','.join(map(str,row_list))+'\n')
前两行 ：我们将两个csv文件名赋给两个变量
三四行 ：新型读取文件的方法，还太懂的小伙伴可以去这里看看某博主的博客
第五行到第八行 ：这里是我要说明的部分，上面我们已经将csv模板文件读取为filereader，我们这里使用readline函数，注意不要误写为readlines函数两个函数并不相同。readline函数是对改文件读取一行，其实我们的目的就是将第一行读取出来，因为第一行实际上是表格的表头：如图:
这也是为什么我要命名为head的原因。
这几行的流程：
- 使用readline函数返回第一行的字符串。
- 用strip()函数去掉字符串头尾的空格，制表符。
- 用split()函数来将整个字符串分割为一个列表，我们注意到，以文本文档打开csv文件的模板，一系列字符串之间是通过","连接的，因此我们以逗号来分隔为列表
- 最后我们使用write函数写入第二个文件中，也就是我们的the_first_csv.csv
拓展：这里补充write函数,与join函数：
fileObject.write( [ str ])：文件目标.write(“字符串”)
join函数：join函数可以将列表或者迭代对象，以某种字符连接起来成为一个字符串，用法：(连接后的分隔符).join(要连接的元素序列)
- 最后几行，与上类似。我们使用for循环将，其余行的内容全部写入第二个csv文件，并使用print打印出来
代码执行的结果：
这是脚本执行后print语句所打印出来的。
拓展：使用pandas模块
那么我们知道python，在数据分析方面很多其他的高效的模块，使用这些模块可以加强我们处理数据的呢你，并且代码可能会很简洁，看起来会很高大上。
这里我们可以引用pandas模块，很多人都很陌生，没关系，我们从第一步慢慢走：我们尝试使用pandas模块去打印出这个csv文件
首先 我们需要引用这个模块：
import pandas as pd
那么为了方便 我们将其as为pd
我们知道python储存数据的方式有列表，元组，字典等等，pandas为什么处理csv方便呢，是因为它囊括了一种名为数据框的方式，这种储存方式包含了表格，因此我们便不再需要复杂的列表套列表去处理数据了
代码：
#利用pandas处理csv文件，pandas含有一种数据框的模式，这种模式保留了表格的形式，应该可以较为方便的处理
import pandas as pd
input_file="supplier_data.csv"
out_file="the_first_csv.csv"
date_frame=pd.read_csv(input_file)#frame:框架,架构
print(date_frame)
date_frame.to_csv(out_file,index=False)#index=False 表示输出不显示索引值
我们创建了一个名为：date_frame的变量，frame：名词：框架
这里我们使用了pandas.read_csv(),这个函数我不做详解，太多了，哈哈，我给大家一个连接们大家就不用去搜索了：对pandas.read_csv的详解传送门
这里我们只需要明白，这个函数可以返回，我们的csv模板的每一行的数据框，然后我们使用print函数将其打印出来，后面的 date_frame.to_csv(out_file,index=False) 其实是将这些数据框输入到我们自己创建的那个"the_first_csv.csv"中。这个函数，大家暂时可以记住这个用法，也不复杂，后的index=False的意思是，不显示索引，为什么会有索引，这些之后会给大家细说，这里简单解释，不多说，这个代码运行的结果是：
这是脚本运行的结果，如果这时候我们打开我们的the_first_csv.csv就会看到
没错，实现了将我们的csv模板，完全搬运到了另一个新的csv文件的功能，
其实与之前那个代码的作用是一样的，但是看着是不是简洁了许多，而且print打印出来的也不再是一行行列表了。那么今天先讲到这吧
虽然博主很懒，但是csv这一章还是会持续更的，想学习的小伙伴，望关注哦