使用python3.x每隔5行检查一次csv

csv数据：

>c1,v1,c2,v2,Time

>13.9,412.1,29.7,177.2,14:42:01

>13.9,412.1,29.7,177.2,14:42:02

>13.9,412.1,29.7,177.2,14:42:03

>13.9,412.1,29.7,177.2,14:42:04

>13.9,412.1,29.7,177.2,14:42:05

>0.1,415.1,1.3,-0.9,14:42:06

>0.1,408.5,1.2,-0.9,14:42:07

>13.9,412.1,29.7,177.2,14:42:08

>0.1,413.4,1.3,-0.9,14:42:09

>0.1,413.8,1.3,-0.9,14:42:10

我当前拥有的代码：

import pandas as pd
import csv 
import datetime as dt


#Read .csv file, get timestamp and split it into date and time separately
Data = pd.read_csv('filedata.csv', parse_dates=['Time_Stamp'], infer_datetime_format=True)
Data['Date'] = Data.Time_Stamp.dt.date
Data['Time'] = Data.Time_Stamp.dt.time
#print (Data)
print (Data['Time_Stamp'])
Data['Time_Stamp'] = pd.to_datetime(Data['Time_Stamp'])
#Read timestamp within a certain range
mask = (Data['Time_Stamp'] > '2017-06-12 10:48:00') & (Data['Time_Stamp']<= '2017-06-12 11:48:00')
june13 = Data.loc[mask]
#print (june13)

将熊猫作为pd导入
导入csv
将日期时间导入为dt
#读取.csv文件，获取时间戳并将其分别拆分为日期和时间
Data=pd.read\u csv（'filedata.csv'，parse\u dates=['Time\u Stamp']，expert\u datetime\u format=True）
数据['Date']=Data.Time\u Stamp.dt.Date
数据['Time']=Data.Time\u Stamp.dt.Time
#打印（数据）
打印（数据[‘时间戳’]）
数据['Time\u Stamp']=pd.to\u日期时间（数据['Time\u Stamp']）
#读取一定范围内的时间戳
mask=（Data['Time_Stamp']>'2017-06-12 10:48:00'）&（Data['Time_Stamp']我不知道csv文件周围的模块，因此我的答案可能看起来很简单，我不太确定您在这里试图实现什么，但您想过以文本方式处理该文件吗

从我得到的信息来看，你需要读取每个c1，检查值并修改它

要读取和修改文件，您可以执行以下操作：

with open('filedata.csv', 'r+') as csv_file:
    lines = csv_file.readlines()

    # for each line, isolate data part and check - and modify, the first one if needed.
    # I'm seriously not sure, you might have wanted to read only one out of five lines. 
    # For that, just do a while loop with an index, which increments through lines by 5.
    for line in lines:
        line = line.split(',')  # split comma-separated-values

        # Check condition and apply needed change.
        if float(line[0]) >= 10:
            line[0] = "0"  # Directly as a string. 

        # Transform the list back into a single string.
        ",".join(line)

    # Rewrite the file.
    csv_file.seek(0)
    csv_file.writelines(lines)

    # Here you are ready to use the file just like you were already doing.
    # Of course, the above code could be put in a function for known advantages.

（我这里没有python，所以我无法测试它，可能会有打字错误。）

如果只需要数据帧而不需要修改文件：

with open('filedata.csv', 'r+') as csv_file:
    lines = csv_file.readlines()

    # for each line, isolate data part and check - and modify, the first one if needed.
    # I'm seriously not sure, you might have wanted to read only one out of five lines. 
    # For that, just do a while loop with an index, which increments through lines by 5.
    for line in lines:
        line = line.split(',')  # split comma-separated-values

        # Check condition and apply needed change.
        if float(line[0]) >= 10:
            line[0] = "0"  # Directly as a string. 

        # Transform the list back into a single string.
        ",".join(line)

    # Rewrite the file.
    csv_file.seek(0)
    csv_file.writelines(lines)

    # Here you are ready to use the file just like you were already doing.
    # Of course, the above code could be put in a function for known advantages.

老实说也差不多。
您可以执行以下操作，而不是在最后写入文件：

from io import StringIO  # pandas needs stringIO instead of strings.

# Above code here, but without the last 6 lines.

Data = pd.read_csv(
    StringIo("\n".join(lines)),
    parse_dates=['Time_Stamp'],
    infer_datetime_format=True
)

这将为您提供所拥有的数据，并在需要时更改值

希望这不是完全不可能的。另外，有些人可能会觉得这种方法很糟糕；我们已经编写了工作模块来做这类事情，那么为什么还要自己修改和处理粗糙的原始数据呢？就个人而言，我认为这通常比学习我生活中使用的所有外部模块要容易得多，如果我不尝试的话了解如何使用文件的文本表示。您的意见可能会有所不同

此外，此代码可能会导致性能降低，因为我们需要在文本中迭代两次（pandas在读取时会这样做）。但是，我不认为您可以像以前那样读取csv，然后遍历数据以检查条件，从而获得更快的结果。（您可能会赢得按c1检查值进行的转换，但差异很小，根据当前优化的状态，遍历pandas dataframe的速度也可能比列表慢。）

当然，如果您真的不需要pandas数据帧格式，您可以完全手动完成，只需要再多几行（或者不需要，tbh）而且不应该太慢，因为迭代的数量将被最小化：您可以在读取数据的同时检查数据的条件。时间越来越晚了，我相信您可以自己解决这个问题，所以我不会在我伟大的编辑器（称为stackoverflow）中对其进行编码，询问是否有任何问题！
只是一个旁注，在函数和参数之间插入空格被认为是不好的做法，例如
print（Data）
。我想你可以在Pep8中找到这方面的内容。（）我会清除空白并查看链接。谢谢你让我知道，我也花了更多的时间尝试和回答，但我可能完全不知道你想做什么，如果是这样的话就这么说，如果你给出一些精确的答案，如果我能找到另一个解决方案，我会编辑我的答案。我确实需要阅读c1的每一行，但我实际上想做的是一次读取5行，检查这5行中是否只有1个大于10.0的c1值，如果满足条件，则替换c1值（>10.0）使用0.0。也感谢您分享您的答案，但我不认为这是我想要得到的。我首先开始实现您在我脑海中所说的，然后我意识到。如果您正在更改的值大于10.0，那么读取5与逐个读取以检查相同条件有何区别？----无论如何，如果您是真的如果您想这样做，仍然可以使用
index
变量和它的末端等价物（index+5）（小心，索引可能超出范围）迭代五个元素列表，并使用切片。。。