Python利用Rows快速操作csv文件
Rows 是一個(gè)專門用于操作表格的第三方Python模塊。
只要通過(guò) Rows 讀取 csv 文件，她就能生成可以被計(jì)算的 Python 對(duì)象。
相比于 pandas 的 pd.read_csv, 我認(rèn)為 Rows 的優(yōu)勢(shì)在于其易于理解的計(jì)算語(yǔ)法和各種方便的導(dǎo)出和轉(zhuǎn)換語(yǔ)法。它能非常方便地提取pdf中的文字、將csv轉(zhuǎn)換為sqlite文件、合并csv等，還能對(duì)csv文件執(zhí)行sql語(yǔ)法，還是比較強(qiáng)大的。
當(dāng)然，它的影響力肯定沒(méi)有 Pandas 大，不過(guò)了解一下吧，技多不壓身。
1.準(zhǔn)備
開(kāi)始之前，你要確保Python和pip已經(jīng)成功安裝在電腦上,如果沒(méi)有，可以訪問(wèn)這篇文章：超詳細(xì)Python安裝指南 進(jìn)行安裝。
(可選1) 如果你用Python的目的是數(shù)據(jù)分析，可以直接安裝Anaconda，它內(nèi)置了Python和pip.
(可選2) 此外，推薦大家用VSCode編輯器，它有許多的優(yōu)點(diǎn)
請(qǐng)選擇以下任一種方式輸入命令安裝依賴：
1. Windows 環(huán)境 打開(kāi) Cmd (開(kāi)始-運(yùn)行-CMD)。
2. MacOS 環(huán)境 打開(kāi) Terminal (command+空格輸入Terminal)。
3. 如果你用的是 VSCode編輯器 或 Pycharm，可以直接使用界面下方的Terminal.
pip install rows
2.基本使用
通過(guò)下面這個(gè)小示例，你就能知道Rows的基本使用方法。
假設(shè)我們有這樣的一個(gè)csv表格數(shù)據(jù)：
state,city,inhabitants,area AC,Acrelandia,12538,1807.92 AC,Assis Brasil,6072,4974.18 AC,Brasiléia,21398,3916.5 AC,Bujari,8471,3034.87 AC,Capixaba,8798,1702.58 [...] RJ,Angra dos Reis,169511,825.09 RJ,Aperibé,10213,94.64 RJ,Araruama,112008,638.02 RJ,Areal,11423,110.92 RJ,Arma??o dos Búzios,27560,70.28 [...]
如果我們想要找出 state 為 RJ 并且人口大于 500000 的城市，只需要這么做：
import rows
cities = rows.import_from_csv("data/brazilian-cities.csv")
rio_biggest_cities = [
city for city in cities
if city.state == "RJ" and city.inhabitants > 500000
]
for city in rio_biggest_cities:
density = city.inhabitants / city.area
print(f"{city.city} ({density:5.2f} ppl/km2)")
和 Pandas 很像，但是語(yǔ)法比 Pandas 簡(jiǎn)單，整個(gè)模塊也比 Pandas 輕量。
如果你想要自己新建一個(gè)"表格", 你可以這么寫：
from collections import OrderedDict
from rows import fields, Table
country_fields = OrderedDict([
("name", fields.TextField),
("population", fields.IntegerField),
])
countries = Table(fields=country_fields)
countries.append({"name": "Argentina", "population": "45101781"})
countries.append({"name": "Brazil", "population": "212392717"})
countries.append({"name": "Colombia", "population": "49849818"})
countries.append({"name": "Ecuador", "population": "17100444"})
countries.append({"name": "Peru", "population": "32933835"})然后你可以迭代它：
for country in countries:
print(country)
# Result:
# Row(name='Argentina', population=45101781)
# Row(name='Brazil', population=212392717)
# Row(name='Colombia', population=49849818)
# Row(name='Ecuador', population=17100444)
# Row(name='Peru', population=32933835)
# "Row" is a namedtuple created from `country_fields`
# We've added population as a string, the library automatically converted to
# integer so we can also sum:
countries_population = sum(country.population for country in countries)
print(countries_population) # prints 357378595
還可以將此表導(dǎo)出為 CSV 或任何其他支持的格式：
# 公眾號(hào)：Python實(shí)用寶典 import rows rows.export_to_csv(countries, "some-LA-countries.csv") # html rows.export_to_html(legislators, "some-LA-countries.csv")
從字典導(dǎo)入到rows對(duì)象：
import rows
data = [
{"name": "Argentina", "population": "45101781"},
{"name": "Brazil", "population": "212392717"},
{"name": "Colombia", "population": "49849818"},
{"name": "Ecuador", "population": "17100444"},
{"name": "Peru", "population": "32933835"},
{"name": "Guyana", }, # Missing "population", will fill with `None`
]
table = rows.import_from_dicts(data)
print(table[-1]) # Can use indexes
# Result:
# Row(name='Guyana', population=None)
3.命令行工具
除了寫Python代碼外，你還可以直接使用Rows的命令行工具，下面介紹幾個(gè)可能會(huì)經(jīng)常被用到的工具。
讀取pdf文件內(nèi)的文字并保存為文件：
# 需要提前安裝: pip install rows[pdf] URL="http://www.imprensaoficial.rr.gov.br/app/_edicoes/2018/01/doe-20180131.pdf" rows pdf-to-text $URL result.txt # 保存到文件 顯示進(jìn)度條 rows pdf-to-text --quiet $URL result.txt # 保存到文件 不顯示進(jìn)度條 rows pdf-to-text --pages=1,2,3 $URL # 輸出三頁(yè)到終端 rows pdf-to-text --pages=1-3 $URL # 輸出三頁(yè)到終端(使用 - 范圍符)
將csv轉(zhuǎn)化為sqlite:
rows csv2sqlite \
--dialect=excel \
--input-encoding=latin1 \
file1.csv file2.csv \
result.sqlite
合并多個(gè)csv文件：
rows csv-merge \
file1.csv file2.csv.bz2 file3.csv.xz \
result.csv.gz
對(duì)csv執(zhí)行sql搜索：
# needs: pip install rows[html]
rows query \
"SELECT * FROM table1 WHERE inhabitants > 1000000" \
data/brazilian-cities.csv \
--output=data/result.html
其他更多功能，請(qǐng)見(jiàn)Rows官方文檔：
到此這篇關(guān)于Python利用Rows快速操作csv文件的文章就介紹到這了,更多相關(guān)Python操作csv內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
wxPython定時(shí)器wx.Timer簡(jiǎn)單應(yīng)用實(shí)例
這篇文章主要介紹了wxPython定時(shí)器wx.Timer簡(jiǎn)單應(yīng)用,實(shí)例分析了Python使用wxPython創(chuàng)建窗口應(yīng)用程序及定時(shí)器的相關(guān)使用技巧,需要的朋友可以參考下2015-06-06
PyTorch中 tensor.detach() 和 tensor.data 的
這篇文章主要介紹了PyTorch中 tensor.detach() 和 tensor.data 的區(qū)別解析,本文給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2023-04-04
numpy.sum()坐標(biāo)軸問(wèn)題的解決
本文主要介紹了numpy.sum()坐標(biāo)軸問(wèn)題的解決，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2023-03-03
Python程序能用很多方式處理日期和時(shí)間。轉(zhuǎn)換日期格式是一個(gè)常見(jiàn)的例行瑣事，這篇文章主要介紹了Python中的日期時(shí)間處理的幾種方式的區(qū)別和聯(lián)系,需要的朋友可以參考下2016-11-11
selenium+opencv實(shí)現(xiàn)滑塊驗(yàn)證碼的登陸
很多網(wǎng)站登錄登陸時(shí)都要用到滑塊驗(yàn)證碼，本文主要介紹了selenium+opencv實(shí)現(xiàn)滑塊驗(yàn)證碼的登陸，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2023-04-04
Python編程利用Numpy和PIL庫(kù)將圖片轉(zhuǎn)化為手繪
這篇文章主要介紹了Python編程利用Numpy和PIL庫(kù)將一張圖片轉(zhuǎn)化為手繪風(fēng)格，文中附含詳細(xì)實(shí)現(xiàn)的示例代碼，有需要的朋友可以借鑒參考下2021-09-09
總是記不住API。昨晚寫的時(shí)候用到了這些，但是沒(méi)記住，于是就索性整理一下吧,方便需要的朋友2016-08-08
這篇文章主要介紹的是Python中棧，棧(stacks)是一種只能通過(guò)訪問(wèn)其一端來(lái)實(shí)現(xiàn)數(shù)據(jù)存儲(chǔ)與檢索的線性數(shù)據(jù)結(jié)構(gòu)，具有后進(jìn)先出(last in first out，LIFO)的特征，下面來(lái)看看文章的具體舉例介紹,需要的朋友可以參考一下2021-11-11
Ubuntu配置Python環(huán)境的超詳細(xì)教程
這篇文章主要給大家介紹了關(guān)于Ubuntu配置Python環(huán)境的超詳細(xì)教程,文中通過(guò)代碼示例將配置的過(guò)程介紹的非常詳細(xì),對(duì)大家學(xué)習(xí)或者使用Python具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2023-08-08
詳解Python如何實(shí)現(xiàn)Excel數(shù)據(jù)讀取和寫入
這篇文章主要為大家詳細(xì)介紹了python如何實(shí)現(xiàn)對(duì)EXCEL數(shù)據(jù)進(jìn)行讀取和寫入，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2022-04-04