本文针对前面利用Python 所做的一次数据匹配实验，整理了其中的一些对于csv文件的读写操作和常用的Python\’数据结构\’（如字典和列表）之间的转换
(Python Version 2.7)
csv文件与列表之间的转换
-
将列表转换为csv文件
-
将嵌套字典的列表转换为csv文件
将列表转换为csv文件
最基本的转换，将列表中的元素逐行写入到csv文件中
def list2csv(list, file):
wr = csv.writer(open(file, \'wb\'), quoting=csv.QUOTE_ALL)
for word in list:
wr.writerow([word])将嵌套字典的列表转换为csv文件
这种属于典型的csv文件读写，常见的csv文件常常是第一行为属性栏，标明各个字段，接下来每一行都是对应属性的值，读取时常常用字典来存储（key为第一行的属性，value为对应行的值）,例如
my_list = [{\'players.vis_name\': \'Khazri\', \'players.role\': \'Midfielder\', \'players.country\': \'Tunisia\',
\'players.last_name\': \'Khazri\', \'players.player_id\': \'989\', \'players.first_name\': \'Wahbi\',
\'players.date_of_birth\': \'08/02/1991\', \'players.team\': \'Bordeaux\'},
{\'players.vis_name\': \'Khazri\', \'players.role\': \'Midfielder\', \'players.country\': \'Tunisia\',
\'players.last_name\': \'Khazri\', \'players.player_id\': \'989\', \'players.first_name\': \'Wahbi\',
\'players.date_of_birth\': \'08/02/1991\', \'players.team\': \'Sunderland\'},
{\'players.vis_name\': \'Lewis Baker\', \'players.role\': \'Midfielder\', \'players.country\': \'England\',
\'players.last_name\': \'Baker\', \'players.player_id\': \'9574\', \'players.first_name\': \'Lewis\',
\'players.date_of_birth\': \'25/04/1995\', \'players.team\': \'Vitesse\'}
]而最后所有的字典嵌套到一个列表中存储，而接下来是一个逆过程，即将这种嵌套了字典的列表还原为csv文件存储起来
# write nested list of dict to csv
def nestedlist2csv(list, out_file):
with open(out_file, \'wb\') as f:
w = csv.writer(f)
fieldnames=list[0].keys() # solve the problem to automatically write the header
w.writerow(fieldnames)
for row in list:
w.writerow(row.values())注意其中的fieldnames用于传递key即第一行的属性
csv文件与字典之间的转换
-
csv文件转换为字典
-
第一行为key，其余行为value
-
每一行为key,value的记录
-
-
csv文件转换为二级字典
-
字典转换为csv文件
-
第一行为key，其余行为value
-
每一行为key,value的记录
-
csv文件转换为字典
第一行为key，其余行为value
针对常见的首行为属性，其余行为值的情形
def csv2dict(in_file):
new_dict = {}
with open(in_file, \'rb\') as f:
reader = csv.reader(f, delimiter=\',\')
fieldnames = next(reader)
reader = csv.DictReader(f, fieldnames=fieldnames, delimiter=\',\')
for row in reader:
new_dict[row[\'id\']] = row[\'players.player_id\']
return new_dict其中的new_dict[row[\'id\']] = row[\'players.player_id\']中的\'id\'和\'players.player_id\'是csv文件中的对应的第一行的属性字段
每一行为key,value的记录
针对每一行均为键值对的特殊情形
# convert csv file to dict(key-value pairs each row)
def row_csv2dict(csv_file):
dict_club={}
with open(csv_file)as f:
reader=csv.reader(f,delimiter=\',\')
for row in reader:
dict_club[row[0]]=row[1]
return dict_clubcsv文件转换为二级字典
这个一般是特殊用途，将csv文件进一步结构化，将其中的某一列(属性)所对应的值作为key，然后将其余键值对构成子字典作为value，一般用于匹配时优先过滤来建立一种层级结构提高准确度
例如我有csv文件的记录如下（以表格形式表示）
| id | name | age | country |
|---|---|---|---|
| 1 | danny | 21 | China |
| 2 | Lancelot | 22 | America |
| … | … | … | … |
经过二级字典转换后（假设构建country-name两级）得到如下字典
dct={\'China\':{\'danny\':{\'id\':\'1\',\'age\':\'21\'}}
\'America\':{\'Lancelot\':{\'id\':\'2\',\'age\':\'22\'}}}代码如下
# build specific nested dict from csv files(date->name)
def build_level2_dict(source_file):
new_dict = {}
with open(source_file, \'rb\')as csv_file:
data = csv.DictReader(csv_file, delimiter=\",\")
for row in data:
item = new_dict.get(row[\'country\'], dict())
item[row[\'name\']] = {k: row[k] for k in (\'id\',\'age\')}
new_dict[row[\'country\']] = item
return new_dict参照这种方法可以构建三级字典，就不赘述了，感兴趣朋友的可以看我的另一篇文章中的实验记录
还有另一种构建二级字典的方法，利用的是pop()方法，但是个人觉得不如这个直观，贴在下面
def build_dict(source_file):
projects = defaultdict(dict)
# if there is no header within the csv file you need to set the header
# and utilize fieldnames parameter in csv.DictReader method
# headers = [\'id\', \'name\', \'age\', \'country\']
with open(source_file, \'rb\') as fp:
reader = csv.DictReader(fp, dialect=\'excel\', skipinitialspace=True)
for rowdict in reader:
if None in rowdict:
del rowdict[None]
nationality = rowdict.pop(\"country\")
date_of_birth = rowdict.pop(\"name\")
projects[nationality][date_of_birth] = rowdict
return dict(projects)
字典转换为csv文件
-
每一行为key,value的记录
-
第一行为key，其余行为value
-
输出列表字典
每一行为key,value的记录
前述csv文件转换为字典的逆过程，比较简单就直接贴代码啦
def dict2csv(dict,file):
with open(file,\'wb\') as f:
w=csv.writer(f)
# write each key/value pair on a separate row
w.writerows(dict.items())第一行为key，其余行为value
def dict2csv(dict,file):
with open(file,\'wb\') as f:
w=csv.writer(f)
# write all keys on one row and all values on the next
w.writerow(dict.keys())
w.writerow(dict.values())输出列表字典
其实这个不太常用，倒是逆过程比较常见，就是从常规的csv文件导入到列表的字典（本身是一个字典，csv文件的首行构成键，其余行依次构成对应列下的键的值，其中值形成列表），不过如果碰到这种情形要保存为csv文件的话，做法如下
import csv
import pandas as pd
from collections import OrderedDict
dct=OrderedDict()
dct[\'a\']=[1,2,3,4]
dct[\'b\']=[5,6,7,8]
dct[\'c\']=[9,10,11,12]
header = dct.keys()
rows=pd.DataFrame(dct).to_dict(\'records\')
with open(\'outTest.csv\', \'wb\') as f:
f.write(\',\'.join(header))
f.write(\'\\n\')
for data in rows:
f.write(\",\".join(str(data[h]) for h in header))
f.write(\'\\n\')这里用到了三个包，除了csv包用于常规的csv文件读取外，其中OrderedDict用于让csv文件输出后保持原有的列的顺序，而pandas则适用于中间的一步将列表构成的字典转换为字典构成的列表，举个例子
[(\'a\', [1, 2, 3, 4]), (\'b\', [5, 6, 7, 8]), (\'c\', [9, 10, 11, 12])]
to
[{\'a\': 1, \'c\': 9, \'b\': 5}, {\'a\': 2, \'c\': 10, \'b\': 6}, {\'a\': 3, \'c\': 11, \'b\': 7}, {\'a\': 4, \'c\': 12, \'b\': 8}]特殊的csv文件的读取
这个主要是针对那种分隔符比较特殊的csv文件，一般情形下csv文件统一用一种分隔符是关系不大的（向上述操作基本都是针对分隔符统一用,的情形），而下面这种第一行属性分隔符是,而后续值的分隔符均为;的读取时略有不同，一般可逐行转换为字典在进行操作，代码如下:
def func(id_list,input_file,output_file):
with open(input_file, \'rb\') as f:
# if the delimiter for header is \',\' while \';\' for rows
reader = csv.reader(f, delimiter=\',\')
fieldnames = next(reader)
reader = csv.DictReader(f, fieldnames=fieldnames, delimiter=\';\')
rows = [row for row in reader if row[\'players.player_id\'] in set(id_list)]
# operation on rows...可根据需要修改分隔符中的内容.
关于csv文件的一些操作我在实验过程中遇到的问题大概就是这些啦，大部分其实都可以在stackoverflow上找到或者自己提问解决，上面的朋友还是很给力的，后续会小结一下实验过程中的一些对数据的其他处理如格式转换，除重，重复判断等等