خواندن فایل csv در پایتون :
فایل های CSV (Comma Separated Values) یکی از فرمت های متداول برای ذخیره داده ها در قالب جداول است. این فرمت در بسیاری از برنامه ها و زبان های برنامه نویسی پشتیبانی می شود، از جمله پایتون.
در این مقاله، ما به یادگیری روش های مختلف خواندن یک فایل CSV در پایتون می پردازیم.
راه اول: استفاده از کتابخانه csv
یکی از راه های ساده برای خواندن یک فایل CSV در پایتون استفاده از کتابخانه csv است. این کتابخانه قابلیت های مختلفی برای خواندن و نوشتن فایل های CSV در پایتون ارائه می دهد.
برای استفاده از کتابخانه csv، ابتدا باید آن را وارد کنید:
“`python
import csv
“`
سپس می توانید یک فایل CSV را باز کنید و آن را خوانده و مقادیر را به عنوان یک لیست از لیست ها دریافت کنید:
“`python
with open(‘file.csv’, ‘r’) as file:
reader = csv.reader(file)
data = list(reader)
“`
در این مثال، فایل CSV با نام “file.csv” را باز کرده و آن را به عنوان یک فایل خواندنی به کتابخانه csv ارسال می کنیم. سپس از تابع reader برای خواندن محتوا استفاده می کنیم و نتیجه را در متغیر data ذخیره می کنیم.
حالا می توانید به داده ها دسترسی پیدا کنید و آن ها را به صورت موردنیاز پردازش کنید.
راه دوم: استفاده از کتابخانه pandas
کتابخانه pandas یکی از قدرتمندترین کتابخانه های پایتون برای کار با داده ها است. این کتابخانه می تواند به سادگی فایل های CSV را بخواند و آن ها را به صورت جدولی در مموری ذخیره کند.
برای استفاده از کتابخانه pandas، ابتدا باید آن را وارد کنید:
“`python
import pandas as pd
“`
سپس می توانید با استفاده از تابع read_csv، فایل CSV را به صورت یک جدول در مموری خوانده و آن را در یک متغیر ذخیره کنید:
“`python
data = pd.read_csv(‘file.csv’)
“`
در این مثال، فایل CSV با نام “file.csv” را با استفاده از تابع read_csv در کتابخانه pandas خوانده و در متغیر data ذخیره می کنیم.
حالا می توانید به داده ها دسترسی پیدا کنید و آن ها را به صورت موردنیاز پردازش کنید.
نتیجه
در این مقاله، به یادگیری دو روش برای خواندن یک فایل CSV در پایتون پرداختیم. هر دو روش توانایی های خاص خود را دارند و بسته به نیاز شما می توانید از یکی از آن ها استفاده کنید.
اگر قصد دارید با داده ها به صورت جدولی کار کنید و عملیات پیچیده تری روی آن ها انجام دهید، استفاده از کتابخانه pandas توصیه می شود. اما اگر فقط قصد دارید داده ها را به صورت ساده خوانده و استفاده کنید، استفاده از کتابخانه csv کافی است.
