Čtení souborů CSV v Pythonu

V tomto kurzu se naučíme číst soubory CSV s různými formáty v Pythonu pomocí příkladů.

K csvtomuto úkolu použijeme výhradně modul zabudovaný do Pythonu. Nejprve ale budeme muset modul importovat jako:

 import csv 

Již jsme se csvseznámili se základy používání modulu ke čtení a zápisu do souborů CSV. Pokud nemáte ponětí o používání csvmodulu, podívejte se na náš výukový program Python CSV: Čtení a zápis souborů CSV

Základní použití csv.reader ()

Podívejme se na základní příklad použití csv.reader()k aktualizaci vašich stávajících znalostí.

Příklad 1: Čtení souborů CSV pomocí csv.reader ()

Předpokládejme, že máme soubor CSV s následujícími položkami:

 SN, Jméno, Příspěvek 1, Linus Torvalds, Linux Kernel 2, Tim Berners-Lee, World Wide Web 3, Guido van Rossum, Programování v Pythonu 

Můžeme číst obsah souboru pomocí následujícího programu:

 import csv with open('innovators.csv', 'r') as file: reader = csv.reader(file) for row in reader: print(row) 

Výstup

 ('SN', 'Name', 'Contribution') ('1', 'Linus Torvalds', 'Linux Kernel') ('2', 'Tim Berners-Lee', 'World Wide Web') ('3' , 'Guido van Rossum', 'Python Programming') 

Zde jsme otevřeli soubor innovators.csv v režimu čtení pomocí open()funkce.

Další informace o otevírání souborů v Pythonu najdete na stránce: Vstup / výstup souboru Pythonu

Potom csv.reader()se používá ke čtení souboru, který vrací iterovatelný readerobjekt.

readerObjekt je potom opakována za použití forsmyčky vytisknout obsah každého řádku.

Nyní se podíváme na soubory CSV v různých formátech. Poté se naučíme, jak přizpůsobit csv.reader()funkci jejich čtení.

Soubory CSV s vlastními oddělovači

Ve výchozím nastavení se v souboru CSV používá jako oddělovač čárka. Některé soubory CSV však mohou používat jiné oddělovače než čárku. Několik populárních je |a .

Předpokládejme, že soubor innovators.csv v příkladu 1 používal tabulátor jako oddělovač. Pro čtení souboru můžeme funkci předat další delimiterparametr csv.reader().

Vezměme si příklad.

Příklad 2: Číst soubor CSV s oddělovačem karet

 import csv with open('innovators.csv', 'r') as file: reader = csv.reader(file, delimiter = ' ') for row in reader: print(row) 

Výstup

 ('SN', 'Name', 'Contribution') ('1', 'Linus Torvalds', 'Linux Kernel') ('2', 'Tim Berners-Lee', 'World Wide Web') ('3' , 'Guido van Rossum', 'Python Programming') 

Jak vidíme, volitelný parametr delimiter = ' 'pomáhá určit readerobjekt, ze kterého má soubor CSV, ze kterého čteme, záložky jako oddělovač.

Soubory CSV s počátečními mezerami

Některé soubory CSV mohou mít za oddělovačem mezeru. Když použijeme výchozí csv.reader()funkci ke čtení těchto souborů CSV, dostaneme také mezery ve výstupu.

Abychom tyto počáteční mezery odstranili, musíme předat další parametr s názvem skipinitialspace. Podívejme se na příklad:

Příklad 3: Čtení souborů CSV s počátečními mezerami

Předpokládejme, že máme soubor CSV s názvem people.csv s následujícím obsahem:

 SN, Jméno, Město 1, John, Washington 2, Eric, Los Angeles 3, Brad, Texas 

Soubor CSV si můžeme přečíst následovně:

 import csv with open('people.csv', 'r') as csvfile: reader = csv.reader(csvfile, skipinitialspace=True) for row in reader: print(row) 

Výstup

 ('SN', 'Name', 'City') ('1', 'John', 'Washington') ('2', 'Eric', 'Los Angeles') ('3', 'Brad', ' Texas ') 

Program je podobný ostatním příkladům, ale má další skipinitialspaceparametr, který je nastaven na True.

To umožňuje readerobjektu vědět, že položky mají počáteční mezery. Výsledkem je odstranění počátečních mezer po oddělovači.

Soubory CSV s uvozovkami

Některé soubory CSV mohou obsahovat uvozovky kolem každé nebo některých položek.

Vezměme si jako příklad soubor quotes.csv s následujícími položkami:

 „SN“, „Jméno“, „Citáty“ 1, Buddha, „To, co si myslíme, že se staneme“ 2, Mark Twain, „Nikdy nelituj ničeho, co tě rozesmálo“ 3, Oscar Wilde, „Buďte sami sebou, všichni ostatní jsou již převzati“ 

Použití csv.reader()v minimálním režimu bude mít za následek výstup s uvozovkami.

Abychom je mohli odstranit, budeme muset použít další volitelný parametr s názvem quoting.

Podívejme se na příklad, jak číst výše uvedený program.

Příklad 4: Čtení souborů CSV s uvozovkami

 import csv with open('person1.csv', 'r') as file: reader = csv.reader(file, quoting=csv.QUOTE_ALL, skipinitialspace=True) for row in reader: print(row) 

Výstup

 ('SN', 'Name', 'Quotes') ('1', 'Buddha', 'What we think we become') ('2', 'Mark Twain', 'Never regret anything that made you smile') ('3', 'Oscar Wilde', 'Be yourself everyone else is already taken') 

As you can see, we have passed csv.QUOTE_ALL to the quoting parameter. It is a constant defined by the csv module.

csv.QUOTE_ALL specifies the reader object that all the values in the CSV file are present inside quotation marks.

There are 3 other predefined constants you can pass to the quoting parameter:

• csv.QUOTE_MINIMAL - Specifies reader object that CSV file has quotes around those entries which contain special characters such as delimiter, quotechar or any of the characters in lineterminator.
• csv.QUOTE_NONNUMERIC - Specifies the reader object that the CSV file has quotes around the non-numeric entries.
• csv.QUOTE_NONE - Specifies the reader object that none of the entries have quotes around them.

Dialects in CSV module

Notice in Example 4 that we have passed multiple parameters (quoting and skipinitialspace) to the csv.reader() function.

This practice is acceptable when dealing with one or two files. But it will make the code more redundant and ugly once we start working with multiple CSV files with similar formats.

As a solution to this, the csv module offers dialect as an optional parameter.

Dialect helps in grouping together many specific formatting patterns like delimiter, skipinitialspace, quoting, escapechar into a single dialect name.

It can then be passed as a parameter to multiple writer or reader instances.

Example 5: Read CSV files using dialect

Suppose we have a CSV file (office.csv) with the following content:

 "ID"| "Name"| "Email" "A878"| "Alfonso K. Hamby"| "[email protected]" "F854"| "Susanne Briard"| "[email protected]" "E833"| "Katja Mauer"| "[email protected]" 

The CSV file has initial spaces, quotes around each entry, and uses a | delimiter.

Instead of passing three individual formatting patterns, let's look at how to use dialects to read this file.

 import csv csv.register_dialect('myDialect', delimiter='|', skipinitialspace=True, quoting=csv.QUOTE_ALL) with open('office.csv', 'r') as csvfile: reader = csv.reader(csvfile, dialect='myDialect') for row in reader: print(row) 

Output

 ('ID', 'Name', 'Email') ("A878", 'Alfonso K. Hamby', '[email protected]') ("F854", 'Susanne Briard', '[email protected]') ("E833", 'Katja Mauer', '[email protected]') 

From this example, we can see that the csv.register_dialect() function is used to define a custom dialect. It has the following syntax:

 csv.register_dialect(name(, dialect(, **fmtparams))) 

The custom dialect requires a name in the form of a string. Other specifications can be done either by passing a sub-class of Dialect class, or by individual formatting patterns as shown in the example.

While creating the reader object, we pass dialect='myDialect' to specify that the reader instance must use that particular dialect.

The advantage of using dialect is that it makes the program more modular. Notice that we can reuse 'myDialect' to open other files without having to re-specify the CSV format.

Read CSV files with csv.DictReader()

The objects of a csv.DictReader() class can be used to read a CSV file as a dictionary.

Example 6: Python csv.DictReader()

Suppose we have a CSV file (people.csv) with the following entries:

Name	Age	Profession
Jack	23	Doctor
Miller	22	Engineer

Let's see how csv.DictReader() can be used.

 import csv with open("people.csv", 'r') as file: csv_file = csv.DictReader(file) for row in csv_file: print(dict(row)) 

Output

 ('Name': 'Jack', ' Age': ' 23', ' Profession': ' Doctor') ('Name': 'Miller', ' Age': ' 22', ' Profession': ' Engineer') 

As we can see, the entries of the first row are the dictionary keys. And, the entries in the other rows are the dictionary values.

Here, csv_file is a csv.DictReader() object. The object can be iterated over using a for loop. The csv.DictReader() returned an OrderedDict type for each row. That's why we used dict() to convert each row to a dictionary.

Notice that we have explicitly used the dict() method to create dictionaries inside the for loop.

 print(dict(row)) 

Note: Starting from Python 3.8, csv.DictReader() returns a dictionary for each row, and we do not need to use dict() explicitly.

The full syntax of the csv.DictReader() class is:

 csv.DictReader(file, fieldnames=None, restkey=None, restval=None, dialect='excel', *args, **kwds) 

To learn more about it in detail, visit: Python csv.DictReader() class

Using csv.Sniffer class

The Sniffer class is used to deduce the format of a CSV file.

The Sniffer class offers two methods:

• sniff(sample, delimiters=None) - This function analyses a given sample of the CSV text and returns a Dialect subclass that contains all the parameters deduced.

An optional delimiters parameter can be passed as a string containing possible valid delimiter characters.

• has_header(sample) - This function returns True or False based on analyzing whether the sample CSV has the first row as column headers.

Let's look at an example of using these functions:

Example 7: Using csv.Sniffer() to deduce the dialect of CSV files

Suppose we have a CSV file (office.csv) with the following content:

 "ID"| "Name"| "Email" A878| "Alfonso K. Hamby"| "[email protected]" F854| "Susanne Briard"| "[email protected]" E833| "Katja Mauer"| "[email protected]" 

Let's look at how we can deduce the format of this file using csv.Sniffer() class:

 import csv with open('office.csv', 'r') as csvfile: sample = csvfile.read(64) has_header = csv.Sniffer().has_header(sample) print(has_header) deduced_dialect = csv.Sniffer().sniff(sample) with open('office.csv', 'r') as csvfile: reader = csv.reader(csvfile, deduced_dialect) for row in reader: print(row) 

Output

 True ('ID', 'Name', 'Email') ('A878', 'Alfonso K. Hamby', '[email protected]') ('F854', 'Susanne Briard', '[email protected]') ('E833', 'Katja Mauer', '[email protected]') 

As you can see, we read only 64 characters of office.csv and stored it in the sample variable.

This sample was then passed as a parameter to the Sniffer().has_header() function. It deduced that the first row must have column headers. Thus, it returned True which was then printed out.

Podobně byl do Sniffer().sniff()funkce předán také vzorek . Vrátila všechny odvozené parametry jako Dialectpodtřídu, která byla poté uložena v proměnné deduced_dialect.

Později jsme znovu otevřeli soubor CSV a předali deduced_dialectproměnnou jako parametr csv.reader().

Bylo správně schopen předpovědět delimiter, quotinga skipinitialspaceparametry v office.csv souboru, aniž bychom je výslovně zmiňovat.

Poznámka: Modul csv lze použít i pro jiné přípony souborů (například: .txt ), pokud jsou jejich obsahy ve správné struktuře.

Doporučené čtení: Zápis do souborů CSV v Pythonu