### Python读取CSV文件的四种方法 以下是使用Python读取CSV文件的四种常见方法，每种方法都有其特点和适用场景： #### 方法一：使用 `pandas` 库 `pandas` 是一个功能强大的数据分析库，其中 `read_csv()` 方法可以轻松地将CSV文件转换为DataFrame格式。这种方法适合需要对数据进行复杂分析的情况。 ```python import pandas as pd df = pd.read_csv('../data_pro/audito_whole.csv') # 读取CSV文件并转换为DataFrame print(df) # 打印DataFrame内容 ``` 这种方法简单高效，尤其适用于大数据集的处理[^1]。 --- #### 方法二：使用 `csv` 模块与 `DictReader` `csv.DictReader` 可以将CSV文件中的每一行读取为字典形式，键为列名，值为对应的单元格内容。这种方法适合需要按列名访问数据的情况。 ```python import csv filename = '../data_pro/audito_whole.csv' with open(filename, encoding='utf-8-sig') as csvfile: reader = csv.DictReader(csvfile) # 使用DictReader读取文件 for row in reader: # 遍历每一行 print(row) # 输出每一行的字典形式 ``` 这种方法的优点是可以直接通过列名访问数据，代码可读性较高[^2]。 --- #### 方法三：使用 `csv` 模块与 `reader` `csv.reader` 将CSV文件中的每一行读取为列表形式，适合需要逐行处理数据的情况。 ```python import csv filename = '../data_pro/audito_whole.csv' with open(filename, encoding='utf-8-sig') as csvfile: reader = csv.reader(csvfile) # 使用reader读取文件 for row in reader: # 遍历每一行 print(row) # 输出每一行的列表形式 ``` 与 `DictReader` 不同，`reader` 返回的是列表，因此需要通过索引访问具体的数据[^3]。 --- #### 方法四：自定义数据类型转换 如果对CSV文件中每一行的数据类型非常清楚，可以通过自定义函数对数据进行类型转换。这种方法结合了 `zip` 和自定义转换函数，适合需要对数据进行清洗和类型转换的场景。 ```python import csv def convert(data): return [int(x) if x.isdigit() else x for x in data] filename = '../data_pro/audito_whole.csv' with open(filename, encoding='utf-8-sig') as csvfile: reader = csv.reader(csvfile) headers = next(reader) # 获取表头 converted_data = [convert(row) for row in reader] # 转换数据类型 print(converted_data) # 输出转换后的数据 ``` 这种方法灵活且强大，特别适合需要对数据进行深度处理的场景[^4]。 --- ### 总结 以上四种方法各有优劣，选择时需根据实际需求决定： 1. 如果需要快速处理和分析数据，推荐使用 `pandas`。 2. 如果需要按列名访问数据，推荐使用 `csv.DictReader`。 3. 如果需要逐行处理数据，推荐使用 `csv.reader`。 4. 如果需要对数据进行类型转换或清洗，推荐使用自定义转换方法。 ---