Python 我需要读取具有未知列数的csv，然后将数据写入具有设置列数的csv

我有一个文件，看起来像这样：

name,number,email,job1,job2,job3,job4

name,number,email,job1
name,number,email,job2
name,number,email,job3
name,number,email,job4

我需要将其转换为如下所示：

name,number,email,job1,job2,job3,job4

name,number,email,job1
name,number,email,job2
name,number,email,job3
name,number,email,job4

---

在Python中如何实现这一点？

正如在一篇评论中所说的，您可以使用pandas读取、写入和操作csv文件

下面是一个如何用python解决pandas问题的示例

import pandas as pd


# df = pd.read_csv("filename.csv")  # read csv file from disk

# comment out below line when open from disk
df = pd.DataFrame([['ss','0152','ss@','student','others']],columns=['name','number','email','job1','job2'])

print(df)

该行输出为

  name number email     job1    job2
0   ss   0152   ss@  student  others

现在我们需要知道有多少列：

x = len(df.columns)
print(x)

它将以x存储列数

5

现在，让我们创建一个空的

Dataframe

，其中

列=[姓名、号码、电子邮件、工作]

c = pd.DataFrame(columns=['name','number','email','job'])
print(c)

输出：

Columns: [name, number, email, job]
Index: []

  name number email      job
0   ss   0152   ss@   others
0   ss   0152   ss@  student

现在，我们使用从范围3到列末尾的循环，并将concat datafarme用于空数据帧：

for i in range(3,x):
  df1 = df.iloc[:,0:3].copy() # we took first 3 column
  df2 = df.iloc[:,[i]].copy() # we took ith coulmn
  df1['job'] = df2; # added ith coulmn to the df1
  c = pd.concat([df1,c]); # concat df1 and c
print(c)

import pandas as pd

df = pd.DataFrame(columns=['name','number','email','job1','job2','job3','job4'])
df = df.append({'name':'jon', 'number':123, 'email':'smth@smth.smth', 'job1':'a','job2':'b','job3':'c','job4':'d'},ignore_index=True)

new_df = pd.DataFrame(columns=['name','number','email','job'])

输出：

Columns: [name, number, email, job]
Index: []

  name number email      job
0   ss   0152   ss@   others
0   ss   0152   ss@  student

数据帧c有您想要的输出。现在您可以使用

c.to_csv('ouput.csv')

---

正如在评论中所说的，您可以使用pandas读取、写入和操作csv文件

下面是一个如何用python解决pandas问题的示例

import pandas as pd


# df = pd.read_csv("filename.csv")  # read csv file from disk

# comment out below line when open from disk
df = pd.DataFrame([['ss','0152','ss@','student','others']],columns=['name','number','email','job1','job2'])

print(df)

该行输出为

  name number email     job1    job2
0   ss   0152   ss@  student  others

现在我们需要知道有多少列：

x = len(df.columns)
print(x)

它将以x存储列数

5

现在，让我们创建一个空的

Dataframe

，其中

列=[姓名、号码、电子邮件、工作]

c = pd.DataFrame(columns=['name','number','email','job'])
print(c)

输出：

Columns: [name, number, email, job]
Index: []

  name number email      job
0   ss   0152   ss@   others
0   ss   0152   ss@  student

现在，我们使用从范围3到列末尾的循环，并将concat datafarme用于空数据帧：

for i in range(3,x):
  df1 = df.iloc[:,0:3].copy() # we took first 3 column
  df2 = df.iloc[:,[i]].copy() # we took ith coulmn
  df1['job'] = df2; # added ith coulmn to the df1
  c = pd.concat([df1,c]); # concat df1 and c
print(c)

import pandas as pd

df = pd.DataFrame(columns=['name','number','email','job1','job2','job3','job4'])
df = df.append({'name':'jon', 'number':123, 'email':'smth@smth.smth', 'job1':'a','job2':'b','job3':'c','job4':'d'},ignore_index=True)

new_df = pd.DataFrame(columns=['name','number','email','job'])

输出：

Columns: [name, number, email, job]
Index: []

  name number email      job
0   ss   0152   ss@   others
0   ss   0152   ss@  student

数据帧c有您想要的输出。现在您可以使用

c.to_csv('ouput.csv')

下:

input.csv

header row
name,number,email,job1,job2,job3,job4
name1,number1,email1,job11,job21,job31,job41

output.csv

name,number,email,job1
name,number,email,job2
name,number,email,job3
name,number,email,job4
name1,number1,email1,job11
name1,number1,email1,job21
name1,number1,email1,job31
name1,number1,email1,job41

下:

input.csv

header row
name,number,email,job1,job2,job3,job4
name1,number1,email1,job11,job21,job31,job41

output.csv

name,number,email,job1
name,number,email,job2
name,number,email,job3
name,number,email,job4
name1,number1,email1,job11
name1,number1,email1,job21
name1,number1,email1,job31
name1,number1,email1,job41

---

假设这是数据帧：

for i in range(3,x):
  df1 = df.iloc[:,0:3].copy() # we took first 3 column
  df2 = df.iloc[:,[i]].copy() # we took ith coulmn
  df1['job'] = df2; # added ith coulmn to the df1
  c = pd.concat([df1,c]); # concat df1 and c
print(c)

import pandas as pd

df = pd.DataFrame(columns=['name','number','email','job1','job2','job3','job4'])
df = df.append({'name':'jon', 'number':123, 'email':'smth@smth.smth', 'job1':'a','job2':'b','job3':'c','job4':'d'},ignore_index=True)

new_df = pd.DataFrame(columns=['name','number','email','job'])

我们定义了一个新的数据帧：

for i in range(3,x):
  df1 = df.iloc[:,0:3].copy() # we took first 3 column
  df2 = df.iloc[:,[i]].copy() # we took ith coulmn
  df1['job'] = df2; # added ith coulmn to the df1
  c = pd.concat([df1,c]); # concat df1 and c
print(c)

import pandas as pd

df = pd.DataFrame(columns=['name','number','email','job1','job2','job3','job4'])
df = df.append({'name':'jon', 'number':123, 'email':'smth@smth.smth', 'job1':'a','job2':'b','job3':'c','job4':'d'},ignore_index=True)

new_df = pd.DataFrame(columns=['name','number','email','job'])

现在，我们在旧的基础上循环，根据作业将其拆分。我假设您有4份工作要分配：

for i, row in df.iterrows():
    for job in range(1,5):
        job_col = "job" + str(job)
        new_df = new_df.append({'name':row['name'], 'number':row['number'], 'email':row['email'], 'job':row[job_col]}, ignore_index=True)

---

假设这是数据帧：

for i in range(3,x):
  df1 = df.iloc[:,0:3].copy() # we took first 3 column
  df2 = df.iloc[:,[i]].copy() # we took ith coulmn
  df1['job'] = df2; # added ith coulmn to the df1
  c = pd.concat([df1,c]); # concat df1 and c
print(c)

import pandas as pd

df = pd.DataFrame(columns=['name','number','email','job1','job2','job3','job4'])
df = df.append({'name':'jon', 'number':123, 'email':'smth@smth.smth', 'job1':'a','job2':'b','job3':'c','job4':'d'},ignore_index=True)

new_df = pd.DataFrame(columns=['name','number','email','job'])

我们定义了一个新的数据帧：

for i in range(3,x):
  df1 = df.iloc[:,0:3].copy() # we took first 3 column
  df2 = df.iloc[:,[i]].copy() # we took ith coulmn
  df1['job'] = df2; # added ith coulmn to the df1
  c = pd.concat([df1,c]); # concat df1 and c
print(c)

import pandas as pd

df = pd.DataFrame(columns=['name','number','email','job1','job2','job3','job4'])
df = df.append({'name':'jon', 'number':123, 'email':'smth@smth.smth', 'job1':'a','job2':'b','job3':'c','job4':'d'},ignore_index=True)

new_df = pd.DataFrame(columns=['name','number','email','job'])

现在，我们在旧的基础上循环，根据作业将其拆分。我假设您有4份工作要分配：

for i, row in df.iterrows():
    for job in range(1,5):
        job_col = "job" + str(job)
        new_df = new_df.append({'name':row['name'], 'number':row['number'], 'email':row['email'], 'job':row[job_col]}, ignore_index=True)

您可以使用模块和Python的解包语法从输入文件获取数据并将其写入输出文件

导入csv
以open（'input.csv'，换行符=''）作为填充，以open（'output.csv'，'w'，换行符=''）作为输出文件：
reader=csv.reader（infle）
writer=csv.writer（输出文件）
#如有必要，跳过标题行
下一位（读者）
#使用序列解包获得固定变量和
#以及任意数量的“工作”。
对于reader中的姓名、号码、电子邮件、*作业：
工作中的工作：
writer.writerow（[姓名、号码、电子邮件、职务]）

您可以使用模块和Python的解包语法从输入文件获取数据并将其写入输出文件

导入csv
以open（'input.csv'，换行符=''）作为填充，以open（'output.csv'，'w'，换行符=''）作为输出文件：
reader=csv.reader（infle）
writer=csv.writer（输出文件）
#如有必要，跳过标题行
下一位（读者）
#使用序列解包获得固定变量和
#以及任意数量的“工作”。
对于reader中的姓名、号码、电子邮件、*作业：
工作中的工作：
writer.writerow（[姓名、号码、电子邮件、职务]）

查看熊猫图书馆。您可以使用熊猫创建csv文件。您可以获取列名，然后在希望签出库时对其进行编辑。您可以使用熊猫创建csv文件。您可以获取列名，然后根据需要进行编辑，非常感谢！那很好用。如何使其跳过标题行？我将如何使它循环，直到它通过所有行（未知数量）？请分享一个“input.csv”的真实示例，以便我们可以讨论它。（只分享几行）代码被修改了forename，lastname，email，mobilenumber，jobtitle，jobtitle2，jobtitle3，jobtitle4，jobtitle5，jobtitle6 bob，ainsworth，email@email.com，7891234567，Ashtanga，瑜珈，力量瑜珈，与我的瑜珈师一起滚动，S&M，Vinyasa Flow瑜珈alice，frobisher，email2@email.com，7891234000，丽芙阿姨，巴雷45，波因特，回拨，Dancehall，Floorwork@BenNewton检查最新代码是否适用于您的示例嗨，非常感谢！那很好用。如何使其跳过标题行？我将如何使它循环，直到它通过所有行（未知数量）？请分享一个“input.csv”的真实示例，以便我们可以讨论它。（只分享几行）代码被修改了forename，lastname，email，mobilenumber，jobtitle，jobtitle2，jobtitle3，jobtitle4，jobtitle5，jobtitle6 bob，ainsworth，email@email.com，7891234567，Ashtanga，瑜珈，力量瑜珈，与我的瑜珈师一起滚动，S&M，Vinyasa Flow瑜珈alice，frobisher，email2@email.com，7891234000，丽芙阿姨，巴雷45，波因特，回拨，Dancehall，Floorwork@BenNewton检查最新代码是否适用于您的示例谢谢，这非常有用。不幸的是，这需要为未知数量的工作而工作。谢谢，这真的很有用。不幸的是，这需要为未知数量的工作岗位工作。