Python 使用csv模块从csv文件中读取特定列？

我试图通过csv文件进行解析，并仅从特定列中提取数据

示例csv：

ID | Name | Address | City | State | Zip | Phone | OPEID | iped|
10 | C.|130 W.|莫|阿尔…|3.. | 334.. | 01023 | 10063 |

我试图只捕获特定的列，比如

ID

、

Name

、

Zip

和

Phone

我看到的代码让我相信我可以通过相应的数字调用特定列，因此：Name将对应于2，使用row[2]遍历每一行将生成列2中的所有项。只是没有

以下是我迄今为止所做的工作：

import sys, argparse, csv
from settings import *

# command arguments
parser = argparse.ArgumentParser(description='csv to postgres',\
 fromfile_prefix_chars="@" )
parser.add_argument('file', help='csv file to import', action='store')
args = parser.parse_args()
csv_file = args.file

# open csv file
with open(csv_file, 'rb') as csvfile:

    # get number of columns
    for line in csvfile.readlines():
        array = line.split(',')
        first_item = array[0]

    num_columns = len(array)
    csvfile.seek(0)

    reader = csv.reader(csvfile, delimiter=' ')
        included_cols = [1, 2, 6, 7]

    for row in reader:
            content = list(row[i] for i in included_cols)
            print content

我希望这将只打印出我想要的每一行的特定列，除了没有，我只得到最后一列

import csv
from collections import defaultdict

columns = defaultdict(list) # each value in each column is appended to a list

with open('file.txt') as f:
    reader = csv.DictReader(f) # read rows into a dictionary format
    for row in reader: # read a row as {column1: value1, column2: value2,...}
        for (k,v) in row.items(): # go over each column name and value 
            columns[k].append(v) # append the value into the appropriate list
                                 # based on column name k

print(columns['name'])
print(columns['phone'])
print(columns['street'])

像这样的文件

name,phone,street
Bob,0893,32 Silly
James,000,400 McHilly
Smithers,4442,23 Looped St.

将输出

>>> 
['Bob', 'James', 'Smithers']
['0893', '000', '4442']
['32 Silly', '400 McHilly', '23 Looped St.']

或者，如果要为列建立数字索引：

with open('file.txt') as f:
    reader = csv.reader(f)
    reader.next()
    for row in reader:
        for (i,v) in enumerate(row):
            columns[i].append(v)
print(columns[0])

>>> 
['Bob', 'James', 'Smithers']

---

要更改删除器，请将

delimiter=“”

添加到适当的实例化，即

reader=csv.reader（f，delimiter=“”）

从该代码中获取最后一列的唯一方法是，如果在

for

循环中不包含打印语句

这很可能是代码的结尾：

for row in reader:
    content = list(row[i] for i in included_cols)
print content

您希望它是这样的：

for row in reader:
        content = list(row[i] for i in included_cols)
        print content

既然我们已经涵盖了您的错误，我想借此时间向您介绍本模块

Pandas非常适合处理csv文件，读取csv并将整个列保存到变量中所需的代码如下：

import pandas as pd
df = pd.read_csv(csv_file)
saved_column = df.column_name #you can also use df['column_name']

因此，如果您想将列

名称

中的所有信息保存到一个变量中，则只需执行以下操作：

names = df.Names

---

这是一个很好的模块，我建议你研究一下。如果出于某种原因，您的print语句处于

for

循环中，并且仍然只打印最后一列，这是不应该发生的，但是如果我的假设是错误的，请告诉我。您发布的代码有很多缩进错误，因此很难知道应该在哪里。希望这是有帮助的

您可以使用

numpy.loadtext（文件名）

。例如，如果这是您的数据库

.csv

：

ID | Name | Address | City | State | Zip | Phone | OPEID | IPEDS |
10 | Adam | 130 W.. | Mo.. | AL... | 3.. | 334.. | 01023 | 10063 |
10 | Carl | 130 W.. | Mo.. | AL... | 3.. | 334.. | 01023 | 10063 |
10 | Adolf | 130 W.. | Mo.. | AL... | 3.. | 334.. | 01023 | 10063 |
10 | Den | 130 W.. | Mo.. | AL... | 3.. | 334.. | 01023 | 10063 |

您需要

名称
列：

import numpy as np 
b=np.loadtxt(r'filepath\name.csv',dtype=str,delimiter='|',skiprows=1,usecols=(1,))

>>> b
array([' Adam ', ' Carl ', ' Adolf ', ' Den '], 
      dtype='|S7')

您可以更轻松地使用
genfromtext
：

b = np.genfromtxt(r'filepath\name.csv', delimiter='|', names=True,dtype=None)
>>> b['Name']
array([' Adam ', ' Carl ', ' Adolf ', ' Den '], 
      dtype='|S7')

上下文：对于这种类型的工作，您应该使用令人惊叹的pythonpetl库。这将为您节省大量的工作和使用标准csv模块“手动”操作时可能遇到的挫折。顺便说一句，仍然使用csv模块的人只有那些还没有找到更好的工具来处理表格数据的人（熊猫、petl等），这很好，但是如果你计划在职业生涯中处理来自各种奇怪来源的大量数据，学习类似petl的东西是你能做的最好的投资之一。在完成pip安装petl后，只需30分钟即可开始。文档非常好

答：假设您拥有csv文件中的第一个表（您也可以使用petl直接从数据库加载）。然后您只需加载它并执行以下操作

from petl import fromcsv, look, cut, tocsv 

#Load the table
table1 = fromcsv('table1.csv')
# Alter the colums
table2 = cut(table1, 'Song_Name','Artist_ID')
#have a quick look to make sure things are ok. Prints a nicely formatted table to your console
print look(table2)
# Save to new file
tocsv(table2, 'new.csv')

通过，您可以使用With
usecols
参数：

df = pd.read_csv(filename, usecols=['col1', 'col3', 'col7'])

例如：

import pandas as pd
import io

s = '''
total_bill,tip,sex,smoker,day,time,size
16.99,1.01,Female,No,Sun,Dinner,2
10.34,1.66,Male,No,Sun,Dinner,3
21.01,3.5,Male,No,Sun,Dinner,3
'''

df = pd.read_csv(io.StringIO(s), usecols=['total_bill', 'day', 'size'])
print(df)

   total_bill  day  size
0       16.99  Sun     2
1       10.34  Sun     3
2       21.01  Sun     3

要获取列名，请不要使用readlines（）最好使用readline（）以避免循环读取完整文件并将其存储在数组中

with open(csv_file, 'rb') as csvfile:

    # get number of columns

    line = csvfile.readline()

    first_item = line.split(',')

使用：

在分析时丢弃不需要的列：

my_filtered_csv = pd.read_csv(filename, usecols=['col1', 'col3', 'col7'])

顺便说一句，我只是用一种简单的方式把别人说的话汇总起来。实际答案取自和。
由于您可以索引和子集pandas数据帧，将csv文件中的单个列提取到变量中的一种非常简单的方法是：

myVar = pd.read_csv('YourPath', sep = ",")['ColumnName']


需要考虑的几件事：

上面的代码片段将生成一个
系列
，而不是
数据帧
。
如果速度是一个问题，ayhan使用
usecols
的建议也会更快。
在大小为2122 KB的csv文件上使用
%timeit
测试这两种不同的方法，usecols方法的测试结果为
22.8 ms
，而我建议的方法的测试结果为
53 ms

不要忘了
导入熊猫作为pd
如果需要单独处理列，我喜欢使用
zip（*iterable）
模式（有效地“解压”）来解构列。以你为例：

ids, names, zips, phones = zip(*(
  (row[1], row[2], row[6], row[7])
  for row in reader
))

我认为有一个更简单的方法

import pandas as pd

dataset = pd.read_csv('table1.csv')
ftCol = dataset.iloc[:, 0].values

因此在这里，
iloc[：，0]
，
：
表示所有值，
0
表示列的位置。
在下面的示例中，将选择
ID

为什么
'rb'
标记为
open（）
？它不应该是简单的
r
？@Elazar:python2（OP正在使用）中的
“rb”
适合传递给
csv.reader
。为什么示例csv文件将管道字符显示为分隔符，而示例代码使用空格？@KellyS.French我认为这有助于实现此问题的数据可视化。@G“filepath\name.csv”旁边是否应该有一个r？是否可以删除查询中的索引号@Ryan SaxeYes，在for循环中迭代一下。我认为Pandas是一个完全可以接受的解决方案。我经常使用熊猫，也很喜欢图书馆，但这个问题特别提到了CSV模块。@frankV好吧，标题、标签和第一段并没有以任何方式禁止熊猫，AFAI可以看到。实际上，我只是希望在这里已经给出的答案基础上添加一个更简单的答案（其他答案也使用pandas）。您必须先
pip安装pandas
import pandas as pd 
csv_file = pd.read_csv("file.csv") 
column_val_list = csv_file.column_name._ndarray_values

import pandas as pd

dataset = pd.read_csv('table1.csv')
ftCol = dataset.iloc[:, 0].values

ID | Name | Address | City | State | Zip | Phone | OPEID | IPEDS |
10 | C... | 130 W.. | Mo.. | AL... | 3.. | 334.. | 01023 | 10063 |

SAMPLE.CSV
a, 1, +
b, 2, -
c, 3, *
d, 4, /
column_names = ["Letter", "Number", "Symbol"]
df = pd.read_csv("sample.csv", names=column_names)
print(df)
OUTPUT
  Letter  Number Symbol
0      a       1      +
1      b       2      -
2      c       3      *
3      d       4      /

letters = df.Letter.to_list()
print(letters)
OUTPUT
['a', 'b', 'c', 'd']