Pythonpandas读写CSV全攻略
时间:2025-08-04 10:57:48 338浏览 收藏
在文章实战开发的过程中,我们经常会遇到一些这样那样的问题,然后要卡好半天,等问题解决了才发现原来一些细节知识点还是没有掌握好。今天golang学习网就整理分享《Python处理CSV文件教程:pandas读写数据全解析》,聊聊,希望可以帮助到正在努力赚钱的你。
要掌握用pandas处理CSV文件,关键在于熟练运用读取、清洗、写入等核心操作。一、使用pd.read_csv()读取数据时,注意指定编码、分隔符、跳过行等参数以应对常见问题;二、通过df.head()、df.info()等方法查看数据,并进行重命名列、类型转换、缺失值处理等清洗操作;三、利用df.to_csv()保存数据时,可控制索引、编码和分隔符;四、进阶操作如批量合并多个CSV文件时,可用os模块配合循环与pd.concat()实现。整个流程涵盖从基础读写到复杂整合的典型应用场景。
处理CSV文件是数据分析中非常常见的任务,而Python的pandas
库无疑是完成这项工作的利器。如果你需要读取、清洗、分析或保存CSV数据,用好pandas
就能事半功倍。

下面从最基础的开始,带你一步步掌握使用pandas
处理CSV文件的关键操作。
一、读取CSV文件:read_csv()
的基本用法
处理CSV的第一步就是把它读进程序里。pandas.read_csv()
是最常用的函数,能轻松加载数据到DataFrame对象中。

import pandas as pd df = pd.read_csv('data.csv')
但实际使用中,你可能会遇到各种问题,比如:
- 文件路径不对,报错找不到文件;
- 编码格式不匹配(比如含有中文),导致乱码;
- 数据中有特殊符号或缺失值影响解析;
这时候就需要加一些参数来辅助读取:

encoding='utf-8'
指定编码;sep=','
指定分隔符(默认是逗号);header=0
表示第一行为列名;na_values=['NA', 'null']
自定义哪些内容被认为是空值。
举个例子,如果CSV文件是用制表符\t
分隔的,而且前两行是说明文字,数据从第三行开始:
df = pd.read_csv('data.tsv', sep='\t', skiprows=2)
二、查看和清理数据:初步处理技巧
数据读进来之后,先别急着分析,先看看长什么样。常用方法有:
df.head()
查看前几行;df.info()
查看每列的数据类型和非空数量;df.describe()
查看数值型列的统计信息;
常见问题包括:
- 列名不合适,想重命名;
- 某些列是字符串但其实是数字;
- 存在缺失值需要处理;
可以这样操作:
# 重命名列名 df.rename(columns={'old_name': 'new_name'}, inplace=True) # 转换某一列为数值型 df['column_name'] = pd.to_numeric(df['column_name'], errors='coerce') # 删除全为空的列 df.dropna(axis=1, how='all', inplace=True)
这些操作虽然简单,但往往能解决很多“数据不能用”的问题。
三、写入CSV文件:把结果保存下来
处理完数据后,当然要把结果保存下来。to_csv()
方法可以将DataFrame保存为CSV文件。
df.to_csv('output.csv', index=False)
几个实用参数:
index=False
不保存索引;encoding='utf-8-sig'
避免Excel打开中文乱码;sep=','
可以改回其他分隔符,如\t
生成TSV;
如果你想只保存部分列,也可以先筛选再保存:
df[['col1', 'col2']].to_csv('selected_data.csv', index=False)
四、进阶技巧:批量处理多个CSV文件
有时候你需要处理多个CSV文件,比如合并多个月份的销售数据。
可以结合os.listdir()
和循环来实现:
import os import pandas as pd files = [f for f in os.listdir('.') if f.endswith('.csv')] combined = pd.DataFrame() for file in files: df = pd.read_csv(file) combined = pd.concat([combined, df], ignore_index=True) combined.to_csv('combined.csv', index=False)
注意几点:
- 确保所有文件结构一致(列名、顺序等);
- 处理大文件时考虑内存限制;
- 可以加进度条提升体验(如用
tqdm
库);
基本上就这些了。pandas
处理CSV的核心流程就是读取 → 清洗/转换 → 写出。掌握了这些,大多数日常需求都能搞定。
以上就是《Pythonpandas读写CSV全攻略》的详细内容,更多关于csv,数据处理,Pandas,read_csv,to_csv的资料请关注golang学习网公众号!
-
501 收藏
-
501 收藏
-
501 收藏
-
501 收藏
-
501 收藏
-
438 收藏
-
496 收藏
-
210 收藏
-
226 收藏
-
271 收藏
-
142 收藏
-
205 收藏
-
421 收藏
-
113 收藏
-
135 收藏
-
349 收藏
-
380 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 立即学习 542次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 立即学习 511次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 立即学习 498次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 立即学习 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 立即学习 484次学习