0. 前言

在处理数据时，我们的第一步工作往往是将数据导入到处理软件中，本文以python读取excel文件为例，作一个简短的记录！

1. 读写文本文件（.csv, .txt）

python中numpy库, pandas库以及csv库都可以读入.csv文件，np.loadtxt函数可以加载.txt文件，但是值得注意的是它是将文本文件导入为数组格式。下面来简单总结下这几种方法。

1.0 csv库

1.0.0 读文件

csv在读取文件时，值得注意的是一行一行读取，并且将每一行保存为一个列表，列表中的每个元素都是字符串类型。

import csv
with open(filename) as f:
    rows = csv.reader(f)
    for row in rows:
        process(row)

其中，rows是一个迭代器，row是表格中的每一行元素，且是一个list.因此在访问数据时，需要用到列表元素访问方法。

还有一种就是将文件读取出字典格式

import csv
with open(filename) as f:
    rows = csv.DictReader(f)
    for row in rows:
        process(row)

如此，在访问元素时可以使用字典访问元素方法，如row['key']。

1.0.1 写文件

csv在将数据写入.csv是同样是一行一行写入的。

with open(filename, 'w') as f:
    f_csv = csv.writer(f)
    f_csv.writerow(headers)
    f_csv.writerow(data)

headers是数据的列名, 为列表形式，data是待写入的数据，其格式为[(a11, a12, a13), (a21, a22, a23), (a31, a32, a33)]。
同样可以将字典格式写入.csv

with open(filename,'w') as f:
    f_csv = csv.DictWriter(f, headers)
    f_csv.writeheader()
    f_csv.writerows(data)

其中，headers是列表形式的列名。data是待写入的数据，其格式为[{'a':1, 'b':2, 'c':3}, {'a':1.1, 'b':1.2, 'c':1.3}, {'a':2.1, 'b':2.2, 'c':2.3}]。
现在基本上将csv库读写.csv文件做了简单的说明。下面再说说如用利用numpy库读写.csv文件。

1.1 pandas.read_csv()

先来看看该函数中参数的具体解析

pandas.read_csv(filepath, sep=’, ‘, usecols=None, engine=None, header=’infer’,skipfooter=0)

filepath可以是一个本地文件，也可以是一个url。

sep是指定文件的分隔符。

usecols是一个列的子集。指定需要读取文件中的哪些列。

engine指定使用的解释器。{‘c’, ‘python’}二选一。

header指定文件中的第几行作为列名，默认是数据最开始的那一行。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。

skipfooter：文件底部要跳过的行数（不支持引擎=’c’）。

注意的是使用pandas.read_csv()读取.csv文件时，数据中的某行必须作为列的标签。

1.2 DataFrame.to_csv()

to_csv是pandas.DataFrame的类方法。其函数为

df.to_csv(filename, sep=’,’, na_rep=’NA’, float_format=’%.2f’, columns=[‘name’], header=0, index=0)
0. filename是保存的文件名。

sep指定分割符。

na_rep替换空值，默认为空。

float_format指定保留小数的位数。

columns指定需要保存的列。

header是否需要保存列名。

index是否保存行索引。

1.3 numpy.loadtxt()

直接来看函数参数

numpy.loadtxt(filename, dtype=, comments=’#’, delimiter=None, converters=None, skiprows=0, usecols=None, unpack=False, ndmin=0)

filename文件名。

dtype指定元素的数据类型，’int’, ‘float’等。

comments指定注释行不读取，即若某一行以#开头，则该行不读取。

delimiter指定文件的分割符。

converters是对数据进行预处理的参数, 我们可以先定义一个函数func1，这里的converters是一个字典, 如{0: func1}表示第零列使用函数func1来进行预处理

skiprows指定跳过前多少行之后再读取文件。

usecols指定读取文件的哪些列。

若unpack=True,则把每一列当成一个向量进行输出，而不合并在一起。

以上简单记录了在python中如何读写.csv, .txt文件，下面再看一看如何读写.xls文件。

2. 读写excel文件(.xls)

在python中读写.xls文件主要会用到xlrd和xlwt这两个库，下面就来详细看一下具体如何操作。

2.0 读.xls文件(xlrd)

用一段代码来说明python具体怎么读入.xls文件的。

import xlrd

workbook = xlrd.open_workbook(filename)
sheet = workbook.sheet_by_index(0)
nrows = worksheet.nrows
ncols = worksheet.ncols
for i in range(nrows):
    print(worksheet.row_values(i))

来简单解释下上面代码的含义，首先导入xlrd库，第二行打开.xls文件，第三行指定表格中的sheet,可以用sheet_by_index根据sheet的序号来指定，也可以用sheet_by_name根据sheet的名字来指定。第三四行输出表格的行数和列数。第五六行是用row_values(i)来按行读取数据，也可以用col_values(i)来按列读取，当然也可以用cell_value(i, j)来获取单元格的值。

2.1 写入.xls文件(xlwt)

同样先来看一段代码

import xlwt

book = xlwt.Workbook(encoding='utf-8', style_compression=0)
sheet = book.add_sheet('sheet1', cell_overwrite_ok=True)
for i in range(0, w1.shape[0]):
    for j in range(0, w1.shape[1]):
        sheet.write(i, j, w1[i, j])
book.save(filename)

挑重点讲，第一行先新建一个workbook，然后在其中添加一个名为’sheet1’的sheet, 最后利用.write(row, col, value)方法来写入数据，最后将workbook进行保存。

3. 总结

以上就是本文的全部内容，主要记录了利用python来读写.csv,.txt,.xls文件的一些方法，当然本文仅仅知识针对本地文件的读取，不涉及从SQL, MongoDB数据库中读取，也没有涉及到json的读写和解析。相信上面的这些方法已经足够应付我们遇到的问题了~

ChaiLang's Blog

python读写.csv, .txt, .xls文件