在Python中從CSV文件的特定列中提取數據

Question

我需要使用Python讀取CSV文件並將其存儲在“數據類型”文件中的快速幫助，以便在將所有數據存儲在不同文件中后使用數據進行圖形繪制。

我已經搜索了它，但是在所有情況下，我都發現數據中包含標題。 我的數據沒有標題部分。 它們是制表符分隔的。 而且我只需要存儲數據的特定列。 例如：

12345601 2345678@abcdef 1 2 365 places

在這種情況下，例如，我只想在新的python文件中存儲“ 2345678 @ abcdef”和“ 365”，以便將來使用它來創建圖形。

此外，我在一個文件夾中有多個1個csv文件，我需要在每個文件中都做。 我發現的消息來源沒有談論它，僅提及：

# open csv file
with open(csv_file, 'rb') as csvfile:

有人可以將我引介到已經回答的問題或幫我解決這個問題嗎？

Answer 1

。 。 。 將所有數據存儲在不同的文件中之后，將其存儲在一個PY文件中以使用數據作圖。 。 。

。 。 。 我只想在新的python文件中存儲“ 2345678 @ abcdef”和“ 365”。 。 。

您確定要將數據存儲在python文件中嗎？ Python文件應該包含python代碼，並且應該可由python解釋器執行。 將您的數據存儲在數據類型的文件（例如preprocessed_data.csv ）中是一個更好的主意。

要獲取與模式匹配的文件列表，可以使用python的內置glob庫 。

這是一個示例，說明如何讀取目錄中的多個csv文件並從每個目錄中提取所需的列：

import glob

# indices of columns you want to preserve
desired_columns = [1, 4]
# change this to the directory that holds your data files
csv_directory = '/path/to/csv/files/*.csv'

# iterate over files holding data
extracted_data = []
for file_name in glob.glob(csv_directory):
    with open(file_name, 'r') as data_file:
        while True:
            line = data_file.readline()
            # stop at the end of the file
            if len(line) == 0:
                break

            # splits the line by whitespace
            tokens = line.split()
            # only grab the columns we care about
            desired_data = [tokens[i] for i in desired_columns]
            extracted_data.append(desired_data)

將提取的數據寫入新文件會很容易。 以下示例顯示了如何將數據保存到csv文件中。

output_string = ''
for row in extracted_data:
    output_string += ','.join(row) + '\n'

with open('./preprocessed_data.csv', 'w') as csv_file:
    csv_file.write(output_string)

編輯：

如果您不想合並所有的csv文件，請使用以下版本，該版本可以一次處理一個：

def process_file(input_path, output_path, selected_columns):
    extracted_data = []    
    with open(input_path, 'r') as in_file:
        while True:
            line = in_file.readline()
            if len(line) == 0: break
            tokens = line.split()
            extracted_data.append([tokens[i] for i in selected_columns])

    output_string = ''
    for row in extracted_data:
        output_string += ','.join(row) + '\n'

    with open(output_path, 'w') as out_file:
        out_file.write(output_string)

# whenever you need to process a file:
process_file(
    '/path/to/input.csv', 
    '/path/to/processed/output.csv',
    [1, 4])

# if you want to process every file in a directory:
target_directory = '/path/to/my/files/*.csv'
for file in glob.glob(target_directory):
    process_file(file, file + '.out', [1, 4])

編輯2：

以下示例將處理目錄中的每個文件，並將結果寫入另一個目錄中名稱相似的輸出文件：

import os
import glob

input_directory = '/path/to/my/files/*.csv'
output_directory = '/path/to/output'
for file in glob.glob(input_directory):
    file_name = os.path.basename(file) + '.out'
    out_file = os.path.join(output_directory, file_name)
    process_file(file, out_file, [1, 4])

如果要向輸出添加標頭，則可以像這樣修改process_file ：

def process_file(input_path, output_path, selected_columns, column_headers=[]):
    extracted_data = []    
    with open(input_path, 'r') as in_file:
        while True:
            line = in_file.readline()
            if len(line) == 0: break
            tokens = line.split()
            extracted_data.append([tokens[i] for i in selected_columns])

    output_string = ','.join(column_headers) + '\n'
    for row in extracted_data:
        output_string += ','.join(row) + '\n'

    with open(output_path, 'w') as out_file:
        out_file.write(output_string)

Answer 2

這是使用namedtuple的另一種方法，它將幫助從csv文件中提取選定的字段，然后讓您將它們寫到新的csv文件中。

from collections import namedtuple    
import csv

# Setup named tuple to receive csv data
# p1 to p5 are arbitrary field names associated with the csv file
SomeData = namedtuple('SomeData', 'p1, p2, p3, p4, p5, p6')

# Read data from the csv file and create a generator object to hold a reference to the data
# We use a generator object rather than a list to reduce the amount of memory our program will use
# The captured data will only have data from the 2nd & 5th column from the csv file
datagen = ((d.p2, d.p5) for d in map(SomeData._make, csv.reader(open("mydata.csv", "r"))))

# Write the data to a new csv file
with open("newdata.csv","w", newline='') as csvfile:
    cvswriter = csv.writer(csvfile, delimiter=',', quotechar='"', quoting=csv.QUOTE_MINIMAL)

    # Use the generator created earlier to access the filtered data and write it out to a new csv file
    for d in datagen:
        cvswriter.writerow(d)

“ mydata.csv”中的原始數據：

12345601,2345678@abcdef,1,2,365,places  
4567,876@def,0,5,200,noplaces

在“ newdata.csv”中輸出數據：

2345678@abcdef,365  
876@def,200

編輯1：對於制表符分隔的數據，請對代碼進行以下更改：
更改
datagen = ((d.p2, d.p5) for d in map(SomeData._make, csv.reader(open("mydata.csv", "r"))))
至
datagen = ((d.p2, d.p5) for d in map(SomeData._make, csv.reader(open("mydata2.csv", "r"), delimiter='\\t', quotechar='"')))
和
cvswriter = csv.writer(csvfile, delimiter=',', quotechar='"', quoting=csv.QUOTE_MINIMAL)
至
cvswriter = csv.writer(csvfile, delimiter='\\t', quotechar='"', quoting=csv.QUOTE_MINIMAL)