Python使用csv模块读写CSV文件的完整指南

Dylan

发布时间：2026-10-14 | 6人浏览过

原创

本文详细介绍Python中如何使用内置csv模块高效读写CSV文件。内容涵盖基础读写、使用命名元组和字典简化字段访问、处理特殊分隔符及编码，以及手动类型转换和错误处理机制，最后推荐Pandas用于高级数据分析。

Python CSV读写基础

问题

你需要处理CSV格式文件的读写操作。

解决方案

针对大多数CSV数据的读写需求，推荐使用Python内置的csv库。假设你有一个名为stocks.csv的文件，其中包含股票市场数据，格式如下：

读取CSV数据

接下来展示如何将这些数据读取为元组序列：


import csv
with open('stocks.csv') as f:
 f_csv = csv.reader(f)
 headers = next(f_csv)
 for row in f_csv:
  # Process row
  ...

在上述代码中，row 代表每一行数据，它是一个元组。因此，要访问特定字段，需使用索引，例如通过row[0]获取Symbol，通过row[4]获取Change。

使用命名元组简化访问

由于索引访问容易混淆，建议使用命名元组（namedtuple）。示例如下：


from collections import namedtuple
with open('stock.csv') as f:
 f_csv = csv.reader(f)
 headings = next(f_csv)
 Row = namedtuple('Row', headings)
 for r in f_csv:
  row = Row(*r)
  # Process row
  ...

这种方式允许你通过列名如row.Symbol和row.Change直接访问数据，而非使用索引。需要注意的是，这要求列名必须是合法的Python标识符。若列名包含非法字符，需先对原始列名进行修改，例如将特殊字符替换为下划线。

使用字典序列访问

另一种选择是将数据读取为字典序列，实现方式如下：


import csv
with open('stocks.csv') as f:
 f_csv = csv.DictReader(f)
 for row in f_csv:
  # process row
  ...

在此版本中，你可以直接使用列名访问每行数据，例如row['Symbol']或row['Change']。

写入CSV数据

写入CSV数据时，同样使用csv模块，但需先创建一个writer对象。例如：


headers = ['Symbol','Price','Date','Time','Change','Volume']
rows = [('AA', 39.48, '6/11/2007', '9:36am', -0.18, 181800),
   ('AIG', 71.38, '6/11/2007', '9:36am', -0.15, 195500),
   ('AXP', 62.58, '6/11/2007', '9:36am', -0.46, 935000),
  ]

with open('stocks.csv','w') as f:
 f_csv = csv.writer(f)
 f_csv.writerow(headers)
 f_csv.writerows(rows)

若数据为字典序列，可按如下方式写入：


headers = ['Symbol', 'Price', 'Date', 'Time', 'Change', 'Volume']
rows = [{'Symbol':'AA', 'Price':39.48, 'Date':'6/11/2007',
  'Time':'9:36am', 'Change':-0.18, 'Volume':181800},
  {'Symbol':'AIG', 'Price': 71.38, 'Date':'6/11/2007',
  'Time':'9:36am', 'Change':-0.15, 'Volume': 195500},
  {'Symbol':'AXP', 'Price': 62.58, 'Date':'6/11/2007',
  'Time':'9:36am', 'Change':-0.46, 'Volume': 935000},
  ]

with open('stocks.csv','w') as f:
 f_csv = csv.DictWriter(f, headers)
 f_csv.writeheader()
 f_csv.writerows(rows)

CSV模块深入讨论

讨论

避免手动解析

建议始终优先使用csv模块来分割或解析CSV数据。例如，有人可能编写如下代码：


with open('stocks.csv') as f:
for line in f:
 row = line.split(',')
 # process row
 ...

这种方式存在缺点，仍需手动处理棘手细节。例如，若字段值被引号包围，需去除引号；若被引号包围的字段内含逗号，程序可能因解析出行大小错误而报错。

处理不同编码与分隔符

默认情况下，csv库识别Microsoft Excel使用的CSV编码规则，这是最常见且兼容性最好的形式。查看csv文档可知，有多种方法可应用于其他编码格式（如修改分隔符）。例如，读取以Tab分隔的数据可如下操作：


# Example of reading tab-separated values
with open('stock.tsv') as f:
 f_tsv = csv.reader(f, delimiter='\t')
 for row in f_tsv:
  # Process row
  ...

列名合法性验证

若读取CSV数据并转换为命名元组，需注意列名的合法性验证。例如，若CSV文件包含非法标识符的列头，如下所示：

这会导致创建命名元组时抛出ValueError异常。解决方法是预先修正列标题，例如使用正则表达式替换非法标识符：


import re
with open('stock.csv') as f:
 f_csv = csv.reader(f)
 headers = [ re.sub('[^a-zA-Z_]', '_', h) for h in next(f_csv) ]
 Row = namedtuple('Row', headers)
 for r in f_csv:
  row = Row(*r)
  # Process row
  ...

数据类型转换

此外需强调，csv生成的数据均为字符串类型，不进行其他类型转换。如需类型转换，必须手动实现。以下示例展示如何在CSV数据上执行类型转换：


col_types = [str, float, str, str, float, int]
with open('stocks.csv') as f:
 f_csv = csv.reader(f)
 headers = next(f_csv)
 for row in f_csv:
  # Apply conversions to the row items
  row = tuple(convert(value) for convert, value in zip(col_types, row))
  ...

另外，以下示例展示如何转换字典中特定字段：


print('Reading as dicts with type conversion')
field_types = [ ('Price', float),
    ('Change', float),
    ('Volume', int) ]

with open('stocks.csv') as f:
 for row in csv.DictReader(f):
  row.update((key, conversion(row[key]))
    for key, conversion in field_types)
  print(row)