Travailler avec des données est une partie inévitable de la programmation, et en tant que personne qui se retrouve souvent plongée dans différents formats de fichiers, j'ai toujours apprécié la façon dont Python simplifie l'ensemble du processus.
L'un de ces formats de fichiers qui revient régulièrement, notamment dans l'analyse des données, est le fichier CSV.
Le CSV, ou Comma-Separated Values, est un format d'échange de données populaire en raison de sa simplicité.
Heureusement, Python est livré avec un module intégré appelé csv, qui rend le travail avec ces fichiers remarquablement efficace.
Dans cet article, je vais expliquer le fonctionnement du module csv en Python, de l'utilisation de base aux techniques plus avancées qui peuvent vous faire gagner beaucoup de temps lors du traitement des données.
Avant de plonger dans le module csv, commençons par une compréhension de base de ce qu'est un fichier CSV.
Un fichier CSV est essentiellement un fichier texte brut où chaque ligne représente une ligne de données et chaque valeur est séparée par une virgule (ou parfois d'autres délimiteurs comme des tabulations).
Voici un exemple rapide de ce à quoi cela pourrait ressembler :
Name,Age,Occupation Alice,30,Engineer Bob,25,Data Scientist Charlie,35,Teacher
Vous vous demandez peut-être pourquoi vous auriez besoin du module csv alors que les fichiers CSV ne sont que des fichiers texte qui pourraient théoriquement être lus à l'aide des méthodes de gestion de fichiers standard de Python.
Bien que cela soit vrai, les fichiers CSV peuvent présenter des complexités (comme des virgules intégrées, des sauts de ligne dans les cellules et différents délimiteurs) qui sont difficiles à gérer manuellement.
Le module csv résume tout cela, vous permettant de vous concentrer sur vos données.
Passons au code.
L'opération la plus courante que vous effectuerez sur un fichier CSV est la lecture de son contenu.
La fonction csv.reader() du module est un outil facile à utiliser pour cela.
Voici un guide étape par étape sur la façon de procéder.
Lecture CSV de base
import csv # Open a CSV file with open('example.csv', 'r') as file: reader = csv.reader(file) # Iterate over the rows for row in reader: print(row)
C'est le moyen le plus simple de lire un fichier CSV.
Le csv.reader() renvoie un itérable, où chaque itération vous donne une liste représentant une ligne du fichier.
Gestion des en-têtes
La plupart des fichiers CSV comportent des en-têtes dans la première ligne, comme les noms de colonnes.
Si vous n'avez pas besoin de ces en-têtes, vous pouvez simplement ignorer la première ligne lors de l'itération :
import csv with open('example.csv', 'r') as file: reader = csv.reader(file) # Skip header next(reader) for row in reader: print(row)
Parfois, je travaille avec des fichiers qui contiennent un mélange de données utiles et non pertinentes, et je me retrouve à sauter des lignes en fonction de plus que l'en-tête.
Vous pouvez le faire facilement dans la boucle for.
DictReader : une manière plus intuitive de lire des fichiers CSV
Si votre fichier CSV comporte des en-têtes, csv.DictReader() est une autre option fantastique qui lit chaque ligne comme un dictionnaire, les clés étant les noms de colonnes :
import csv with open('example.csv', 'r') as file: reader = csv.DictReader(file) for row in reader: print(row)
Cette approche peut rendre votre code plus lisible et intuitif, en particulier lorsque vous travaillez avec de grands ensembles de données.
Par exemple, accéder à la ligne['Name'] semble beaucoup plus clair que de gérer un accès basé sur un index comme la ligne[0].
Une fois que vous avez lu et traité vos données, il est probable que vous souhaitiez les enregistrer ou les exporter.
La fonction csv.writer() est votre outil incontournable pour écrire dans des fichiers CSV.
Écriture CSV de base
import csv # Data to be written data = [ ['Name', 'Age', 'Occupation'], ['Alice', 30, 'Engineer'], ['Bob', 25, 'Data Scientist'], ['Charlie', 35, 'Teacher'] ] # Open a file in write mode with open('output.csv', 'w', newline='') as file: writer = csv.writer(file) # Write data to the file writer.writerows(data)
La fonctionwriter.writerows() prend une liste de listes et les écrit dans le fichier CSV, où chaque liste interne représente une ligne de données.
DictWriter : une façon plus propre d'écrire des fichiers CSV
Tout comme nous avons DictReader pour lire des fichiers CSV dans des dictionnaires, nous avons DictWriter pour écrire des dictionnaires dans un CSV.
Cette méthode peut être particulièrement pratique lorsque vous souhaitez spécifier explicitement les noms de vos colonnes.
import csv # Data as list of dictionaries data = [ {'Name': 'Alice', 'Age': 30, 'Occupation': 'Engineer'}, {'Name': 'Bob', 'Age': 25, 'Occupation': 'Data Scientist'}, {'Name': 'Charlie', 'Age': 35, 'Occupation': 'Teacher'} ] # Open file for writing with open('output.csv', 'w', newline='') as file: fieldnames = ['Name', 'Age', 'Occupation'] writer = csv.DictWriter(file, fieldnames=fieldnames) # Write the header writer.writeheader() # Write the data writer.writerows(data)
En utilisant DictWriter, vous obtenez une interface agréable et propre pour écrire des dictionnaires au format CSV tout en gardant votre code lisible et concis.
Par défaut, le module CSV utilise des virgules pour séparer les valeurs, mais vous pouvez parfois travailler avec des fichiers qui utilisent d'autres délimiteurs, tels que des tabulations ou des points-virgules.
Le module csv fournit un moyen simple de gérer ces cas en spécifiant l'argument délimiteur.
import csv with open('example_tab.csv', 'r') as file: reader = csv.reader(file, delimiter='\t') for row in reader: print(row)
J'ai rencontré des fichiers CSV qui utilisent des points-virgules au lieu de virgules (généralement provenant de sources européennes) et il est réconfortant de savoir que le module csv de Python gère cela facilement.
Qu'il s'agisse de virgules, de tabulations ou de tout autre délimiteur, le module csv est là pour vous.
Que se passe-t-il si vos données contiennent des virgules dans les champs, des guillemets ou même des sauts de ligne ?
Le module CSV gère automatiquement de tels cas en utilisant des mécanismes de citation.
Vous pouvez également contrôler le fonctionnement des citations à l'aide du paramètre de citation.
import csv data = [ ['Name', 'Occupation', 'Description'], ['Alice', 'Engineer', 'Works on, "cutting-edge" technology'], ['Bob', 'Data Scientist', 'Loves analyzing data.'] ] with open('complex.csv', 'w', newline='') as file: writer = csv.writer(file, quoting=csv.QUOTE_ALL) writer.writerows(data)
In this example, QUOTE_ALL ensures that every field is wrapped in quotes.
Other quoting options include csv.QUOTE_MINIMAL, csv.QUOTE_NONNUMERIC, and csv.QUOTE_NONE, giving you full control over how your CSV data is formatted.
Over the years, I’ve come to rely on the CSV format as a lightweight, efficient way to move data around, and Python’s csv module has been a trusty companion in that journey.
Whether you’re dealing with simple spreadsheets or complex, multi-line data fields, this module makes the process feel intuitive and effortless.
While working with CSVs may seem like a mundane task at first, it’s a gateway to mastering data manipulation.
In my experience, once you’ve conquered CSVs, you'll find yourself confidently tackling larger, more complex formats like JSON or SQL databases. After all, everything starts with the basics.
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!