Python使用pandas对CSV进行操作（11种基础操作含源码）_python pandas csv

源数据如下：含脏数据（price列）
下列源码用到如下四个包：

import pandas as pd
import glob
import os
import csv
1
2
3
4

1.基础文件读写（等同于copy文件）

def base_read_and_write():
    input_file = 'csv_python.csv'#sys.argv[1]
    output_file = 'csv_python_write.csv'#sys.argv[2]
    data_frame = pd.read_csv(input_file)
    data_frame.to_csv(output_file,index = False)
1
2
3
4
5

2.行中的值满足某个条件(含整理原始文件脏数据)

def write_row_in_col():
    input_file = 'csv_python.csv'
    output_file = 'csv_python_write.csv'
    data_frame = pd.read_csv(input_file)
    data_frame['price'] = data_frame['price'].str.strip('¥').str.replace(',','').astype(float)
    #清洗脏数据，这里有以万为单位的，也有以元为单位的，根据房产实际情况，我们把它们都整理成以万为单位的
    for i,millions_row in data_frame.iterrows():
        '''if (millions_row['price']>10000):
            million = millions_row['price']/10000
        else:
            million = millions_row['price']'''
        million = millions_row['price']/10000 if millions_row['price']>10000 else millions_row['price']#等同于上面的if-else
        data_frame.at[i,'price'] = '{}'.format(million)
    #取出含有'世贸'且房价大于200万的房子
    #[,:],逗号前为行，逗号后为列，:表示所有，如选定列，例如为：df.loc[:,'A']
    data_frame_value_meets_condition = data_frame.loc[(data_frame['name'].str.contains('世茂')) & (data_frame['price']>200),:]
    data_frame_value_meets_condition.to_csv(output_file,index = False)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

运行，新文件显示如下：

3.行中的值满足某个集合

def write_row_in_set():
    input_file =<
1