首页 > 文章 > python教程

Python轻松处理CSV和Excel文件技巧

时间：2025-10-30 08:00:46 490浏览收藏

今日不肯埋头，明日何以抬头！每日一句努力自己的话哈哈~哈喽，今天我将给大家带来一篇《Python轻松处理CSV与Excel文件方法》，主要内容是讲解等等，感兴趣的朋友可以收藏或者有更好的建议在评论提出，我都会认真看的！大家一起进步，一起学习！

答案：Python处理CSV和Excel文件最直接高效的方式是使用pandas库，它提供DataFrame结构简化数据操作。1. 读取文件时，pd.read_csv()和pd.read_excel()可加载数据，配合try-except处理文件缺失或读取异常；支持指定sheet_name读取特定工作表。2. 数据操作包括查看info()和describe()、布尔索引筛选、修改列值、添加新列等。3. 写入文件用to_csv()和to_excel()，后者结合ExcelWriter可写入多工作表。处理大型CSV时，采用分块读取（chunksize）、预设dtype优化内存、使用csv模块逐行处理，或转为Parquet/数据库提升性能。复杂操作如合并（pd.merge）、多条件筛选、pivot_table透视分析及缺失值处理（fillna/dropna）均便捷高效。常见错误包括编码问题（可用chardet检测）、文件路径错误（os.path.exists检查）、文件被占用（关闭Excel）、数据类型推断错误（指定dtype或na_values）及Excel文件损坏，调试时应结合print、info、head逐步排查。

如何使用Python处理CSV和Excel文件？

Python处理CSV和Excel文件，最直接且高效的方式莫过于利用其强大的第三方库，尤其是pandas。它提供了一套非常直观且功能丰富的工具集，能让你轻松地读取、写入、操作和分析这两种格式的数据。对于纯文本的CSV，Python内置的csv模块也能提供更底层的控制。

解决方案

处理CSV和Excel文件，我个人首选pandas库。它将数据结构化为DataFrame，极大地简化了数据操作。

1. 读取文件：

CSV文件：

import pandas as pd

try:
    df_csv = pd.read_csv('your_file.csv')
    print("CSV文件读取成功！")
    print(df_csv.head())
except FileNotFoundError:
    print("错误：CSV文件未找到，请检查路径。")
except pd.errors.EmptyDataError:
    print("警告：CSV文件为空。")
except Exception as e:
    print(f"读取CSV文件时发生未知错误: {e}")

这里我喜欢用try-except包裹，因为文件路径错误或空文件是常有的事，提前处理能避免程序崩溃。

Excel文件：

import pandas as pd

try:
    # 读取第一个工作表
    df_excel = pd.read_excel('your_file.xlsx')
    print("Excel文件读取成功！")
    print(df_excel.head())

    # 如果需要指定工作表，可以使用sheet_name参数
    # df_excel_sheet2 = pd.read_excel('your_file.xlsx', sheet_name='Sheet2')
    # print("\n读取指定工作表成功！")
    # print(df_excel_sheet2.head())
except FileNotFoundError:
    print("错误：Excel文件未找到，请检查路径。")
except Exception as e:
    print(f"读取Excel文件时发生未知错误: {e}")

Excel文件可能包含多个工作表，sheet_name参数非常实用。

2. 数据操作（以DataFrame为例）：

一旦数据加载到DataFrame，你就可以进行各种操作了。

查看基本信息：

print(df_csv.info())
print(df_csv.describe()) # 统计描述

筛选数据：

# 筛选某一列值大于100的行
filtered_df = df_csv[df_csv['column_name'] > 100]
print("\n筛选后的数据：")
print(filtered_df.head())

修改数据：

# 将某一列的值全部转换为大写
df_csv['text_column'] = df_csv['text_column'].str.upper()
print("\n修改后的数据（text_column）：")
print(df_csv.head())

添加新列：

df_csv['new_column'] = df_csv['column_A'] + df_csv['column_B']
print("\n添加新列后的数据：")
print(df_csv.head())

3. 写入文件：

写入CSV文件：

df_csv.to_csv('output.csv', index=False) # index=False表示不写入行索引
print("\n数据已成功写入 output.csv")

写入Excel文件：

df_excel.to_excel('output.xlsx', index=False)
print("\n数据已成功写入 output.xlsx")

# 写入多个工作表
with pd.ExcelWriter('multi_sheet_output.xlsx') as writer:
    df_csv.to_excel(writer, sheet_name='CSV_Data', index=False)
    df_excel.to_excel(writer, sheet_name='Excel_Data', index=False)
print("数据已成功写入 multi_sheet_output.xlsx (包含多个工作表)")

ExcelWriter是写入多工作表的关键，非常方便。

Python处理大型CSV文件有哪些优化策略？

处理大型CSV文件时，内存和性能往往是瓶颈。我个人在遇到GB级别的文件时，通常会从以下几个方面入手优化：

首先，分块读取（Chunking） 是最常见的策略。pandas.read_csv有一个chunksize参数，它不会一次性加载整个文件，而是返回一个迭代器，每次读取指定行数的数据块。这能显著减少内存占用，尤其是在你只需要对部分数据进行处理，或者需要聚合计算时。

import pandas as pd

chunk_size = 10000 # 每次读取1万行
total_rows_processed = 0
for chunk in pd.read_csv('large_file.csv', chunksize=chunk_size):
    # 对每个chunk进行处理，例如筛选、聚合等
    processed_chunk = chunk[chunk['value'] > 50]
    # 或者将处理结果存储起来，最后再合并
    # results.append(processed_chunk)
    total_rows_processed += len(chunk)
    print(f"已处理 {total_rows_processed} 行数据...")
# 最后可能需要将results合并成一个大的DataFrame
# final_df = pd.concat(results)

其次，指定数据类型（dtype） 也是一个非常有效的优化手段。pandas在读取文件时，会尝试推断每一列的数据类型。如果你的文件很大，这个推断过程会消耗时间和内存。更重要的是，它可能会将实际上是整数的列推断为浮点数（因为有缺失值），或者将短字符串推断为object类型，这都会占用更多的内存。如果你对数据类型有了解，提前指定可以节省大量资源。

# 假设你知道'id'是int64，'name'是string，'value'是float32
optimized_df = pd.read_csv('large_file.csv', dtype={'id': 'int64', 'name': 'string', 'value': 'float32'})
print(optimized_df.info(memory_usage='deep')) # 比较内存占用

特别是对于整数列，如果数值范围不大，使用int8, int16, int32而非默认的int64能节省一半甚至更多的内存。字符串类型也可以尝试使用category类型，如果列中重复值很多的话。

再者，使用Python内置的csv模块 进行低级别处理。对于某些极端情况，比如你只需要逐行读取数据，或者文件格式非常不规范，pandas可能显得过于“重”。Python的csv模块提供了csv.reader和csv.writer，它们以迭代器的方式工作，内存占用极低，非常适合处理超大型文件，但你需要手动解析每一行。

import csv

with open('very_large_file.csv', 'r', encoding='utf-8') as f:
    reader = csv.reader(f)
    header = next(reader) # 读取表头
    for row in reader:
        # 对每一行数据进行处理，例如写入数据库或进行简单计算
        # print(row) # row是一个列表
        pass

这种方式的缺点是，你需要自己处理数据类型转换、缺失值、错误处理等，不如pandas方便。但当内存真的吃紧时，它是最后的堡垒。

最后，如果你的数据量真的非常巨大，或者需要频繁地查询和分析，可能需要考虑将数据导入到数据库中，例如SQLite、PostgreSQL，或者使用像Parquet这样的列式存储格式，它们在读取和查询大型数据集时效率更高。pandas可以直接将DataFrame写入SQL数据库或Parquet文件。

如何在Python中对Excel数据进行复杂操作，如合并、筛选和透视？

pandas在处理Excel数据方面，其DataFrame对象提供了极其强大的功能，让复杂的数据操作变得轻而易举。我通常会把Excel的各种“花活”都搬到pandas里来做，效率和可复用性都高得多。

1. 数据合并（Merging/Joining）：

这就像SQL里的JOIN操作。当你从不同的Excel工作表或文件读取了相关联的数据时，通常需要将它们合并起来。

import pandas as pd

# 假设有两个DataFrame，df1包含订单信息，df2包含客户信息
df_orders = pd.DataFrame({
    'OrderID': [1, 2, 3, 4],
    'CustomerID': [101, 102, 101, 103],
    'Amount': [100, 150, 200, 50]
})

df_customers = pd.DataFrame({
    'CustomerID': [101, 102, 103],
    'CustomerName': ['Alice', 'Bob', 'Charlie'],
    'City': ['NY', 'LA', 'SF']
})

# 根据CustomerID进行内连接（inner join）
merged_df = pd.merge(df_orders, df_customers, on='CustomerID', how='inner')
print("合并后的数据：")
print(merged_df)

# 如果连接键名不同，可以使用left_on和right_on
# pd.merge(df1, df2, left_on='ID_in_df1', right_on='ID_in_df2', how='left')

how参数可以控制连接类型，如'left', 'right', 'outer'等，这和SQL的逻辑是一致的。

2. 数据筛选（Filtering）：

筛选是日常操作的重中之重。pandas的布尔索引非常灵活。

# 筛选金额大于120且客户在'NY'的订单
filtered_complex = merged_df[(merged_df['Amount'] > 120) & (merged_df['City'] == 'NY')]
print("\n复杂筛选后的数据：")
print(filtered_complex)

# 筛选CustomerName在特定列表中的订单
names_to_find = ['Alice', 'Charlie']
filtered_by_list = merged_df[merged_df['CustomerName'].isin(names_to_find)]
print("\n根据列表筛选后的数据：")
print(filtered_by_list)

注意，多个条件筛选时要用括号将每个条件括起来，并使用&（与）或|（或）连接。

3. 数据透视（Pivoting）：

这相当于Excel的“数据透视表”功能，用于对数据进行聚合和重塑，以从不同维度查看汇总信息。

# 假设我们想看每个城市和客户的订单总金额
pivot_table = pd.pivot_table(merged_df,
                             values='Amount',
                             index=['City', 'CustomerName'],
                             aggfunc='sum')
print("\n数据透视表（总金额）：")
print(pivot_table)

# 也可以使用groupby进行类似操作
# grouped_data = merged_df.groupby(['City', 'CustomerName'])['Amount'].sum()
# print("\nGroupBy结果：")
# print(grouped_data)

pivot_table非常强大，values指定要聚合的列，index指定行索引，columns（可选）指定列索引，aggfunc指定聚合函数（如sum, mean, count等）。groupby也能实现类似功能，但在需要更复杂的多维度透视时，pivot_table更直观。

4. 缺失值处理：

Excel数据常常不完整，pandas提供了多种处理缺失值（NaN）的方法。

# 假设df_orders中Amount列有缺失值
df_orders_with_nan = df_orders.copy()
df_orders_with_nan.loc[0, 'Amount'] = None # 模拟缺失值

print("\n带有缺失值的原始数据：")
print(df_orders_with_nan)

# 填充缺失值（例如用0填充）
df_filled = df_orders_with_nan.fillna(0)
print("\n填充缺失值后的数据：")
print(df_filled)

# 删除包含缺失值的行
df_dropped = df_orders_with_nan.dropna()
print("\n删除缺失值行后的数据：")
print(df_dropped)

fillna()可以填充任意值，dropna()可以删除包含缺失值的行或列。

这些操作只是冰山一角，pandas的API非常丰富，熟练掌握后，处理Excel数据的效率会有一个质的飞跃。

Python处理CSV/Excel时常见的错误与调试技巧有哪些？

在用Python处理CSV和Excel文件时，我遇到过不少让人头疼的问题，总结下来，主要集中在文件格式、编码、数据类型和文件锁定上。理解这些常见错误并掌握一些调试技巧，能让你少走很多弯路。

1. 编码错误（UnicodeDecodeError）：

这是我个人遇到最多，也最让人抓狂的错误之一。尤其是在处理来自不同系统或软件导出的CSV文件时，编码不一致是家常便饭。

错误现象： UnicodeDecodeError: 'utf-8' codec can't decode byte 0xxx in position y: invalid start byte
原因： pandas.read_csv默认使用utf-8编码。如果你的CSV文件实际上是gbk、latin-1或其他编码，就会报错。

调试技巧：

尝试指定编码： 最直接的方法是尝试不同的编码。encoding='gbk'、encoding='latin-1'、encoding='iso-8859-1'是我最常尝试的几个。

try:
    df = pd.read_csv('data.csv', encoding='utf-8')
except UnicodeDecodeError:
    print("UTF-8解码失败，尝试GBK...")
    try:
        df = pd.read_csv('data.csv', encoding='gbk')
    except UnicodeDecodeError:
        print("GBK解码失败，尝试Latin-1...")
        df = pd.read_csv('data.csv', encoding='latin-1')

使用chardet库检测编码： 如果实在不知道是什么编码，可以使用chardet库来猜测。

import chardet

with open('data.csv', 'rb') as f:
    raw_data = f.read(10000) # 读取文件开头一部分进行检测
    result = chardet.detect(raw_data)
    print(f"检测到的编码是: {result['encoding']}")
# 然后用检测到的编码去读取
# df = pd.read_csv('data.csv', encoding=result['encoding'])

2. 文件未找到错误（FileNotFoundError）：

这个错误很直接，但有时候也容易犯。

错误现象： FileNotFoundError: [Errno 2] No such file or directory: 'your_file.csv'
原因： 文件路径不正确，或者文件根本不存在。

调试技巧：

检查路径： 确保文件路径是绝对路径，或者相对于你的脚本的正确相对路径。

使用os.path.exists()： 在读取文件前先检查文件是否存在。

import os
file_path = 'non_existent_file.csv'
if not os.path.exists(file_path):
    print(f"错误：文件 '{file_path}' 不存在。请检查路径。")
else:
    df = pd.read_csv(file_path)

3. 文件被占用错误（PermissionError 或 IOError）：

当你尝试写入一个正在被其他程序（比如Excel本身）打开的文件时，就会遇到这个问题。

错误现象： PermissionError: [Errno 13] Permission denied: 'output.xlsx' 或 IOError: [Errno 13] Permission denied: 'output.csv'
原因： 目标文件被其他程序锁定，Python无法对其进行写入操作。
调试技巧：
- 关闭文件： 确保你尝试写入的文件在任何其他程序中都是关闭的。这是最常见的原因。
- 更改文件名： 如果你只是想保存结果，可以暂时将输出文件名改一下，避免冲突。
- 等待或重试机制： 在自动化脚本中，有时可以实现一个简单的重试机制，等待几秒钟再尝试写入。

4. 数据类型推断错误：

pandas在读取CSV时会尝试推断列的数据类型，但这并不总是准确的，尤其是在数据不规范或包含混合类型时。

错误现象： 例如，一列数字中混入了一个文本值，pandas可能会将整列推断为object（字符串），导致后续数值计算失败。或者日期列被读成字符串。
原因： 数据不干净，或者pandas的推断机制不够“智能”。
调试技巧：
- df.info() 和 df.head()： 经常使用这两个方法来检查DataFrame的列名、数据类型和前几行数据，快速发现问题。
- 指定dtype： 如果你知道某些列的正确数据类型，直接在read_csv或read_excel时通过dtype参数指定。
```
df = pd.read_csv('data.csv', dtype={'id': int, 'value': float, 'date_col': str})
# 对于日期，可以先读成字符串，再用pd.to_datetime()转换
df['date_col'] = pd.to_datetime(df['date_col'], errors='coerce') # errors='coerce'会将无法转换的日期设为NaT
```
- na_values参数： 如果你的缺失值不是标准的空字符串，而是像'N/A'、'-'这样的字符串，pandas可能不会识别。使用na_values参数可以告诉pandas哪些值应该被视为缺失值。
```
df = pd.read_csv('data.csv', na_values=['N/A', '-'])
```

5. Excel特定问题：

openpyxl.utils.exceptions.InvalidFileException： 尝试用read_excel读取一个损坏的Excel文件，或者一个实际上是CSV但后缀名是.xlsx的文件。
调试技巧： 确保文件真的是一个有效的Excel文件。有时需要手动打开文件检查一下。

总而言之，处理文件数据，耐心和细致是关键。当遇到问题时，不要急于修改代码，先用print()语句、df.info()、df.head()等工具查看数据状态，一步步缩小问题范围，往往能事半功倍。

今天带大家了解了的相关知识，希望对你有所帮助；关于文章的技术知识我们会一点点深入介绍，欢迎大家关注golang学习网公众号，一起学习编程~

Python Excel csv 数据处理 Pandas