用Python自动化处理常见的CSV数据任务

Python是一种功能强大的编程语言，可以用于自动化处理各种常见的CSV数据任务。CSV（Comma-Separated Values）是一种常见的文件格式，用于存储和传输数据。

下面是一些使用Python自动化处理CSV数据任务的常见示例：

1. 读取CSV文件内容：可以使用csv模块中的reader函数来读取CSV文件。下面的示例演示了如何读取CSV文件中的数据：

import csv

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

2. 写入CSV文件内容：可以使用csv模块中的writer函数来写入CSV文件。下面的示例演示了如何将数据写入CSV文件：

import csv

data = [
    ['Name', 'Age', 'City'],
    ['John', '25', 'New York'],
    ['Alice', '30', 'London']
]

with open('data.csv', 'w', newline='') as file:
    writer = csv.writer(file)
    writer.writerows(data)

3. 过滤CSV文件数据：可以使用条件语句和循环来过滤CSV文件中的数据。下面的示例演示了如何过滤CSV文件中满足特定条件的数据：

import csv

with open('data.csv', 'r') as file:
    reader = csv.reader(file)
    for row in reader:
        if int(row[1]) > 20:  # 过滤年龄大于20的数据
            print(row)

4. 计算统计数据：可以使用内置的统计函数来计算CSV文件中的统计数据。下面的示例演示了如何计算CSV文件中的平均值和总和：

import csv
from statistics import mean

with open('data.csv', 'r') as file:
    reader = csv.reader(file)
    next(reader)  # 跳过标题行
    ages = [int(row[1]) for row in reader]

average_age = mean(ages)
total_age = sum(ages)

print('Average Age:', average_age)
print('Total Age:', total_age)

5. 数据清洗和转换：可以使用字符串操作、条件语句和循环来清洗和转换CSV文件中的数据。下面的示例演示了如何将CSV文件中的日期字符串转换为日期对象：

import csv
from datetime import datetime

with open('data.csv', 'r') as file:
    reader = csv.reader(file)
    for row in reader:
        date_str = row[3]  # 假设日期是第四列
        date_obj = datetime.strptime(date_str, '%m/%d/%Y')  # 转换日期字符串为日期对象
        print(date_obj)

Python提供了许多用于自动化处理CSV数据任务的库和模块。除了csv模块之外，还可以使用pandas、numpy和openpyxl等库来处理更复杂的CSV数据任务。无论是读取、写入、过滤、计算还是清洗和转换数据，Python都能提供简洁和高效的解决方案，使CSV数据处理变得更加方便和灵活。