用python讀CSV表格的方法

這篇文章主要介紹用python讀CSV表格的方法，文中介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們一定要看完！

用python讀CSV表格的方法：

1、使用PythonI/O讀取csv文件

使用python I/O方法進行讀取時即是新建一個List 列表然后按照先行后列的順序(類似C語言中的二維數組)將數據存進空的List對象中，如果需要將其轉化為numpy 數組也可以使用np.array(List name)進行對象之間的轉化。

birth_data = []
with open(birth_weight_file) as csvfile:
    csv_reader = csv.reader(csvfile)  # 使用csv.reader讀取csvfile中的文件
    birth_header = next(csv_reader)  # 讀取第一行每一列的標題
    for row in csv_reader:  # 將csv 文件中的數據保存到birth_data中
        birth_data.append(row)

birth_data = [[float(x) for x in row] for row in birth_data]  # 將數據從string形式轉換為float形式

birth_data = np.array(birth_data)  # 將list數組轉化成array數組便于查看數據結構
birth_header = np.array(birth_header)
print(birth_data.shape)  # 利用.shape查看結構。
print(birth_header.shape)
#
# (189, 9)
# (9,)

2、使用Pandas讀取CSV文件

import pandas as pd

csv_data = pd.read_csv('birth_weight.csv')  # 讀取訓練數據
print(csv_data.shape)  # (189, 9)
N = 5
csv_batch_data = csv_data.tail(N)  # 取后5條數據
print(csv_batch_data.shape)  # (5, 9)
train_batch_data = csv_batch_data[list(range(3, 6))]  # 取這20條數據的3到5列值(索引從0開始)
print(train_batch_data)

#      RACE  SMOKE  PTL
# 184   0.0    0.0  0.0
# 185   0.0    0.0  1.0
# 186   0.0    1.0  0.0
# 187   0.0    0.0  0.0
# 188   0.0    0.0  1.0

3、使用Tensorflow讀取CSV文件

'''使用Tensorflow讀取csv數據'''
filename = 'birth_weight.csv'
file_queue = tf.train.string_input_producer([filename])  # 設置文件名隊列，這樣做能夠批量讀取文件夾中的文件
reader = tf.TextLineReader(skip_header_lines=1)  # 使用tensorflow文本行閱讀器，并且設置忽略第一行
key, value = reader.read(file_queue)
defaults = [[0.], [0.], [0.], [0.], [0.], [0.], [0.], [0.], [0.]]  # 設置列屬性的數據格式
LOW, AGE, LWT, RACE, SMOKE, PTL, HT, UI, BWT = tf.decode_csv(value, defaults)
# 將讀取的數據編碼為我們設置的默認格式
vertor_example = tf.stack([AGE, LWT, RACE, SMOKE, PTL, HT, UI])  # 讀取得到的中間7列屬性為訓練特征
vertor_label = tf.stack([BWT])  # 讀取得到的BWT值表示訓練標簽

# 用于給取出的數據添加上batch_size維度，以批處理的方式讀出數據。可以設置批處理數據大小，是否重復讀取數據，容量大小，隊列末尾大小，讀取線程等屬性。
example_batch, label_batch = tf.train.shuffle_batch([vertor_example, vertor_label], batch_size=10, capacity=100, min_after_dequeue=10)

# 初始化Session
with tf.Session() as sess:
    coord = tf.train.Coordinator()  # 線程管理器
    threads = tf.train.start_queue_runners(coord=coord)
    print(sess.run(tf.shape(example_batch)))  # [10  7]
    print(sess.run(tf.shape(label_batch)))  # [10  1]
    print(sess.run(example_batch)[3])  # [ 19.  91.   0.   1.   1.   0.   1.]
    coord.request_stop()
    coord.join(threads)

'''
對于使用所有Tensorflow的I/O操作來說開啟和關閉線程管理器都是必要的操作
with tf.Session() as sess:
    coord = tf.train.Coordinator()  # 線程管理器
    threads = tf.train.start_queue_runners(coord=coord)
    #  Your code here~
    coord.request_stop()
    coord.join(threads)
'''

以上是用python讀CSV表格的方法的所有內容，感謝各位的閱讀！希望分享的內容對大家有幫助，更多相關知識，歡迎關注億速云行業資訊頻道！