python读取文件,将几列的数据提取出来保存在另一个文件

可以使用Python的pandas库来读取文件并提取数据。以下是一个示例代码：

import pandas as pd

# 读取文件
df = pd.read_csv('input_file.csv')

# 提取需要的列
new_df = df[['column1', 'column2', 'column3']]

# 保存到另一个文件
new_df.to_csv('output_file.csv', index=False)

其中，`input_file.csv`是需要读取的文件名，`column1`、`column2`和`column3`是需要提取的列名，`output_file.csv`是保存结果的文件名。这段代码会将`input_file.csv`中的`column1`、`column2`和`column3`三列数据提取出来，并保存到`output_file.csv`中。

相关问题

python将一个csv文件中几列数据标准化的代码

要将CSV文件中的几列数据进行标准化，你可以使用Python中的`sklearn`库中的`StandardScaler`类。以下是一个示例代码，它将CSV文件中的指定列数据进行标准化：

import csv
from sklearn.preprocessing import StandardScaler

# 读取 CSV 文件
data = []
with open('input.csv', 'r') as file:
    reader = csv.DictReader(file)
    for row in reader:
        data.append(row)

# 提取需要标准化的列数据
columns_to_normalize = ['column1', 'column2', 'column3']  # 替换为你需要标准化的列名

# 提取需要标准化的数据
X = []
for row in data:
    x = [float(row[column]) for column in columns_to_normalize]
    X.append(x)

# 使用StandardScaler进行标准化
scaler = StandardScaler()
scaled_data = scaler.fit_transform(X)

# 将标准化后的数据更新回原始数据
for i, row in enumerate(data):
    for j, column in enumerate(columns_to_normalize):
        row[column] = scaled_data[i][j]

# 写入更新后的数据到新的 CSV 文件
fieldnames = data[0].keys()  # 获取字段名
with open('output.csv', 'w', newline='') as result_file:
    writer = csv.DictWriter(result_file, fieldnames=fieldnames)
    writer.writeheader()  # 写入字段名
    writer.writerows(data)

请将代码中的 `'input.csv'` 替换为你要处理的CSV文件的路径，`['column1', 'column2', 'column3']` 替换为你需要标准化的列名，`'output.csv'` 替换为输出结果的文件路径。

在这个示例中，我们首先读取CSV文件，并将每一行存储在 `data` 列表中。然后，我们提取需要标准化的列数据，并将它们存储在一个新的列表 `X` 中。接下来，我们使用 `StandardScaler` 对 `X` 进行标准化处理。最后，我们将标准化后的数据更新回原始数据，并将更新后的数据写入到新的CSV文件中。

python提取csv文件几列并保存为csv

要提取csv文件的几列并保存为csv，可以使用以下代码：

import csv

# 要提取的列的索引
columns = [0, 3, 5]

# 读取原始csv文件
with open('原始文件.csv', 'r') as f:
    reader = csv.reader(f)
    header = next(reader)  # 获取表头
    
    # 获取要提取的列的表头
    header_new = [header[i] for i in columns]
    
    # 逐行读取数据并提取要保留的列
    rows_new = []
    for row in reader:
        row_new = [row[i] for i in columns]
        rows_new.append(row_new)
        
# 保存提取后的csv文件
with open('提取后的文件.csv', 'w', newline='') as f:
    writer = csv.writer(f)
    writer.writerow(header_new)
    writer.writerows(rows_new)

在这个代码中，首先定义了要提取的列的索引，然后使用csv模块读取原始csv文件，获取表头和数据。接着，根据要提取的列的索引，获取要保留的列的表头和数据，并保存到一个新的列表中。最后，使用csv模块将新的表头和数据写入到新的csv文件中。