Python 读写 CSV 文件实战

Python 读写 CSV 文件实战：纯文本时代的「通用表格协议」

1. CSV 文件：轻量级跨平台数据中转站

CSV（Comma Separated Values），全称「逗号分隔值」，是一个没有官方强制标准、但业界已有广泛共识的纯文本数据格式。在 Daoman Python AI 的实际项目中，CSV 几乎无处不在：

数据库的临时导入/导出中间件
前后端、跨语言系统间的「数据快递」
中小规模机器学习数据集的快速存储与交换

它最大的优势就是纯文本：不管是用 Windows 记事本、macOS Numbers、Linux Vim 还是 Excel，都能直接打开、直接编辑，完全不需要安装特殊的解析工具。

大家默认遵循的 CSV 结构约定：

纯文本，编码友好：常用 UTF-8（跨平台首选），有时也遇到 GBK（例如国内部分 Excel 导出的文件）
每一行是一条完整记录：比如一行就是“关羽的三门课成绩”
字段分隔清晰：默认用英文逗号 ,，但也可以使用制表符 \t、竖线 | 等作为分隔符（当数据内部本身就含有大量逗号时尤其有用）
表头可选，但强烈推荐：第一行写明每一列的含义，让人和机器都能一目了然
特殊内容用包围符：如果某个字段里包含了分隔符、换行符或引号本身，就用双引号 " 把整个字段包起来，避免解析错乱

2. 用原生 `csv` 模块写入文件：从简单数据到自定义格式

Python 标准库自带 csv 模块，无需 pip 安装任何第三方包，就能覆盖日常约 80% 的 CSV 读写需求。我们先从最基础的场景开始：把关羽、张飞等五位蜀汉将领的随机成绩存成 scores.csv。

基础场景：普通数据 + UTF-8 编码

import csv
import random

# ✅ 必须养成的习惯：
# 1. open 时用 newline=''，避免 Windows 平台产生多余空行
# 2. 明确指定 encoding='utf-8'，防止中文乱码
with open('scores.csv', 'w', encoding='utf-8', newline='') as f:
    # 创建 writer 写入器
    writer = csv.writer(f)
    
    # 先写入表头，方便后续阅读和处理
    writer.writerow(['姓名', '语文', '数学', '英语'])
    
    # 生成模拟数据并逐行写入
    five_tigers = ['关羽', '张飞', '赵云', '马超', '黄忠']
    for name in five_tigers:
        # 列表推导式快速生成 3 门 50~100 的随机成绩
        scores = [random.randint(50, 101) for _ in range(3)]
        # 把姓名插到成绩列表最前面
        scores.insert(0, name)
        writer.writerow(scores)

✨ 运行后用 Excel 打开试试？记得在导入时选择「UTF-8 逗号分隔」格式，中文就能正常显示了。

进阶场景：自定义分隔符 + 包围符

实际工作中，你可能会碰到一些“非主流”的 CSV 文件：

用竖线 | 分隔（因为数据中天然包含大量逗号）
所有字段都强制加双引号（一种更安全、无歧义的通用做法）

这时，只需给 csv.writer 传入额外参数即可：

import csv
import random

with open('custom_scores.csv', 'w', encoding='utf-8', newline='') as f:
    # 🎯 自定义参数：
    # delimiter='|' → 使用竖线作为字段分隔符
    # quoting=csv.QUOTE_ALL → 所有字段都加上双引号保护
    writer = csv.writer(
        f,
        delimiter='|',
        quoting=csv.QUOTE_ALL
    )
    
    writer.writerow(['姓名', '备注', '语文', '数学', '英语'])
    five_tigers = ['关羽', '张飞', '赵云', '马超', '黄忠']
    notes = ['桃园结义二弟', '桃园结义三弟', '长坂坡英雄', '锦马超', '百步穿杨']
    for name, note in zip(five_tigers, notes):
        scores = [random.randint(50, 101) for _ in range(3)]
        row = [name, note] + scores
        writer.writerow(row)

查看生成的文件，你会发现每一列都用 | 隔开，并且所有字段都被双引号包裹，既清晰又安全。

3. 用原生 `csv` 模块读取文件：从逐行遍历到键值对访问

读取 CSV 时，有两种最常用的方式：列表式读取（简单直接）和字典式读取（强烈推荐，自动关联表头与数据）。

方式一：列表式读取（`csv.reader`）

import csv

with open('scores.csv', 'r', encoding='utf-8') as f:
    # 创建 reader 迭代器（注意：迭代器只能完整遍历一次！）
    reader = csv.reader(f)
    for row in reader:
        # row 是一个字符串列表，无论原始数据是数字还是中文
        print(f"第 {reader.line_num} 行数据：", row)

方式二：字典式读取（`csv.DictReader`，强烈推荐！）

如果你不想靠索引 row[0] 取姓名、靠 row[1] 取语文成绩，DictReader 会是更好的选择——它自动将表头作为字典的键，每一行数据转换为一个字典：

import csv

with open('scores.csv', 'r', encoding='utf-8') as f:
    # 创建 DictReader 迭代器
    reader = csv.DictReader(f)
    # 打印表头信息
    print("表头：", reader.fieldnames)
    print("-" * 40)
    for row in reader:
        # 直接通过键名取数据，语义清晰、不易出错
        print(f"{row['姓名']}的成绩：语文{row['语文']}，数学{row['数学']}，英语{row['英语']}")

📌 小提示：如果读取的是前面定义的竖线分隔文件，记得在创建 reader 或 DictReader 时同样传入 delimiter='|'，否则解析会失败哦！

4. 实战避坑指南（新手必看！）

csv 模块看似简单，但实际使用中仍有几个高频踩坑点，提前了解能省下大量调试时间。

坑1：中文乱码

原因：编码不一致。例如用 GBK 写入却用 UTF-8 读取，或反过来。
解决：写入和读取时，始终显式指定相同的 encoding。国内 Excel 默认常用 GBK，其他场景建议优先使用 UTF-8。

坑2：Windows 平台多余空行

原因：Windows 默认换行符为 \r\n，而 csv 模块会自动处理换行，不需要 open 函数自带的行尾转换。
解决：写入文件时，open() 必须加上 newline=''（读取时一般也要加，保持一致性）。

坑3：迭代器只能遍历一次

原因：csv.reader 和 csv.DictReader 返回的是迭代器，不支持重复遍历。
解决：如果需要多次使用数据，可以用 list(reader) 将全部内容转为列表。但要注意，大文件（几十万行以上）最好还是逐行处理，避免内存爆炸。

5. 总结与前瞻：原生 `csv` 是基础，Pandas 是进阶武器

原生 `csv` 模块适用场景

中小规模 CSV 文件（几万行以内）的快速读写
需要高度自定义分隔符、包围符等格式的场景
不希望引入第三方依赖的轻量级项目

进阶神器 Pandas 的威力

在 Daoman Python AI 涉及的大规模数据分析、机器学习场景中，我们几乎不再手写原生 csv，而是直接使用 Pandas：

一行代码读写 CSV：pd.read_csv() 和 df.to_csv()，简洁明了
自动转换为 DataFrame：一种类似 Excel 的二维表结构，支持筛选、排序、分组聚合、缺失值处理等高级操作，一行 API 就能替代原生几十行代码
性能优势显著：对于几十万甚至上百万行的文件，Pandas 读取更快、内存管理更优

下一篇文章，我们将正式迈入 Pandas 读写 CSV 的世界，体验“核武器”级别的数据处理效率。敬请期待！

Python 读写 CSV 文件实战#