前面程序展示的数据都是直接通过程序给出的,但实际应用可能需要展示不同来源(比如文件、网络)、不同格式(比如 csv、JSON)的数据,这些数据可能有部分是损坏的,因此程序需要对这些数据进行处理。
csv 文件格式的本质是一种以文本存储的表格数据(使用 Excel 工具即可读写 csv 文件)。csv 文件的每行代表一行数据,每行数据中每个单元格内的数据以逗号隔开。
Python 提供了 csv 模块来读写 csv 文件。由于 csv 文件的格式本身比较简单(通常第一行是表头,用于说明每列数据的含义,接下来每行代表一行数据),因此使用 csv 模块读取 csv 文件也非常简单:
创建 csv 模块的读取器。
循环调用 csv 读取器的 next() 方法逐行读取 csv 文件内容即可。next() 方法返回一个 list 列表代表一行数据,list 列表的每个元素代表一个单元格数据。
本节使用的是 年广州天气数据的 csv 文件(数据来源于 / 网站。下面程序示范了使用 csv 读取器来读取 csv 文件的两行内容。
import csv filename = 'guangzhou-.csv' # 打开文件 with open(filename) as f: # 创建cvs文件读取器 reader = csv.reader(f) # 读取第一行,这行是表头数据。 header_row = next(reader) print(header_row) # 读取第二行,这行是真正的数据。 first_row = next(reader) print(first_row)
上面程序中第 7 行代码创建了 CSV 读取器,第 9 行、第 12 行代码各读取文件的一行,其中第 7 行代码会返回 csv 文件的表头数据;第 9 行代码会返回真正的数据。
运行上面程序,可以看到如下输出结果:
['Date', 'Max TemperatureC', 'Min TemperatureC', 'Description', 'WindDir', 'WindForce'] ['-1-1', '24', '13', '晴', '西南风', '1级']
从上面的输出结果可以看到,该文件的每行包含 6 个数据,分别是日期、最高温度、最低温度、天气情况、风向、风力。
掌握了 csv 读取器的用法之后,下面程序将会使用 Matplotlib 来展示 年 7 月广州的最高气温和最低气温。
import csv from datetime import datetime from matplotlib import pyplot as plt filename = 'guangzhou-.csv' # 打开文件 with open(filename) as f: # 创建cvs文件读取器 reader = csv.reader(f) # 读取第一行,这行是表头数据。 header_row = next(reader) print(header_row) # 定义读取起始日期 start_date = datetime(, 6, 30) # 定义结束日期 end_date = datetime(, 8, 1) # 定义3个list列表作为展示的数据 dates, highs, lows = [], [], [] for row in reader: # 将第一列的值格式化为日期 d = datetime.strptime(row[0], '%Y-%m-%d') # 只展示7月的数据 if start_date < d < end_date: dates.append(d) highs.append(int(row[1])) lows.append(int(row[2])) # 配置图形 fig = plt.figure(dpi=128, figsize=(12, 9)) # 绘制最高气温的折线 plt.plot(dates, highs, c='red', label='最高气温', alpha=0.5, linewidth = 2.0, linestyle = '-', marker='v') # 再绘制一条折线 plt.plot(dates, lows, c='blue', label='最低气温', alpha=0.5, linewidth = 3.0, linestyle = '-.', marker='o') # 为两个数据的绘图区域填充颜色 plt.fill_between(dates, highs, lows, facecolor='blue', alpha=0.1) # 设置标题 plt.title("广州7月最高气温和最低气温") # 为两条坐标轴设置名称 plt.xlabel("日期") # 该方法绘制斜着的日期标签 fig.autofmt_xdate() plt.ylabel("气温(℃)") # 显示图例 plt.legend() ax = plt.gca() # 设置右边坐标轴线的颜色(设置为none表示不显示) ax.spines['right'].set_color('none') # 设置顶部坐标轴线的颜色(设置为none表示不显示) ax.spines['top'].set_color('none') plt.show()
上面程序的前半部分代码用于从 csv 文件中读取 年 7 月广州的气温数据,程序分别使用了 dates、highs 和 lows 三个 list 列表来保存日期、最高气温、最低气温。
程序的后半部分代码绘制了两条折线来显示最高气温和最低气温,其中第 31 行代码用于绘制最高气温,第 34 行代码用于绘制最低气温;第 37 行代码控制在两条折线之间填充颜色。程序也对坐标轴、图例进行了简单的设置。
运行上面程序,可以看到如图 1 所示的折线图。
图 1 年7 月广州的气温折线图
程序也可以使用 Pygal 来统计 年广州的天气汇总情况,比如统计出阴天、晴天、多云天和雨天各占多少天。程序会使用 csv 读取器读取 年广州阴天、晴天、多云天和雨天共有多少天,然后将这些数据添加到 pygal.Pie 对象中即可绘制饼图。该程序的代码如下:
import csv import pygal filename = 'guangzhou-.csv' # 打开文件 with open(filename) as f: # 创建cvs文件读取器 reader = csv.reader(f) # 读取第一行,这行是表头数据。 header_row = next(reader) print(header_row) # 准备展示的数据 shades, sunnys, cloudys, rainys = 0, 0, 0, 0 for row in reader: if '阴' in row[3]: shades += 1 elif '晴' in row[3]: sunnys += 1 elif '云' in row[3]: cloudys += 1 elif '雨' in row[3]: rainys += 1 else: print(rows[3]) # 创建pygal.Pie对象(饼图) pie = pygal.Pie() # 为饼图添加数据 pie.add("阴", shades) pie.add("晴", sunnys) pie.add("多云", cloudys) pie.add("雨", rainys) pie.title = '广州天气汇总' # 设置将图例放在底部 pie.legend_at_bottom = True # 指定将数据图输出到SVG文件中 pie.render_to_file('guangzhou_weather.svg')
上面程序的前半部分代码也是用于从 csv 文件中读取 年广州的天气数据,该程序只读取 csv 文件的数据行的第四列数据(天气描述),并使用 shades、sunnys、cloudys、rainys 分别保存阴天、晴天、多云天和雨天的数据。
上面程序中建了一个 pygal.Pie 对象,该对象就表示一个饼图。接下来向 pygal.Pie 对象添加数据。运行上面程序,可以生成如图 2 所示的饼图。
图 2 统计 年广州天气情况的饼图
如果觉得《python怎么读取csv文件-Python读取csv文件(详解版 看了无师自通)》对你有帮助,请点赞、收藏,并留下你的观点哦!