Python CSV与Excel文件操作指南

"Python持久化操作，主要探讨了Python中如何对数据进行持久化存储，特别是CSV和Excel文件的读写操作。" 在Python编程中，数据的持久化是指将数据保存到非易失性存储（如硬盘）中，以便在程序关闭后还能保持数据的状态，下次运行时可以继续使用。本章节主要关注的是使用Python处理CSV和Excel文件来实现数据的持久化。 首先，我们来看CSV文件。CSV（Comma Separated Values）是一种常见的文件格式，用于存储表格数据，如电子表格或数据库。其特点是简单且跨平台，许多程序都支持读写CSV文件。CSV文件以纯文本形式存储，每行代表一条记录，记录间的字段通过特定的分隔符（通常是逗号）分隔。在Python中，我们可以使用内置的`csv`模块来读写CSV文件。 读取CSV文件的基本步骤如下： 1. 使用`open()`函数打开文件，建议使用`with`语句，这样可以确保文件在使用完毕后自动关闭。 2. 创建`csv.reader`对象，它是一个迭代器，可以逐行读取文件内容。 3. 遍历`reader`对象，每一项迭代结果表示一行数据，通常是一个包含所有字段的列表。 例如，要读取CSV文件的全部内容，可以这样做： ```python import csv with open("./csv/销售相关企业信息.csv", "r") as csvfile: read = csv.reader(csvfile) for i in read: print(i) ``` 如果要读取特定行，可以结合`enumerate`函数获取行索引： ```python for index, value in enumerate(read): if index == 1: # 读取第二行 print(value) ``` 除了CSV，Python还提供了`pandas`库，它支持更高级别的数据操作，包括Excel文件的读写。`pandas`的`DataFrame`对象可以直接写入Excel文件，也可以从Excel文件加载数据，这使得在Python中处理Excel文件变得非常方便。例如，要读取Excel文件，可以这样操作： ```python import pandas as pd df = pd.read_excel("./excel/销售相关企业信息.xlsx") print(df) ``` 而写入Excel文件： ```python df.to_excel("./excel/输出数据.xlsx", index=False) ``` 通过以上方法，Python不仅能够实现数据的持久化存储，还能方便地进行后续的数据处理，例如数据分析和清洗。无论是CSV还是Excel，都是Python在实际工作中处理数据的强大工具，尤其适合数据交换和简单的数据管理任务。