[Python] 使用 csv 套件讀取 csv 檔案

CSV 檔，為著名的『逗號分隔值』(Comma-Separated Values, CSV)，是一種非常方便顯示資料的格式，是以『純文字』來儲存表格資料的表現型態。

而著名的文書處理軟體 Excel，其最常見的兩種副檔名，一種是 xlsx、另一種則就是 csv 了。而 csv 『逗號分隔值』的意思，也許光看解說還不好懂，接下來我們直接看個例子。

以上是我隨便創的一個 csv 檔，使用 Excel 開啟的模樣。現在我改用 Notepad++ 開啟。

我們可以看到，文字和數字之間只有用一個 “,” 分隔開來，作為不同行的資料。這樣一來，有沒有稍微明白何謂『逗號分隔值』了呢？

那麼以下，我將紀錄如何使用 Python 來讀寫 csv 檔。這在各種資料分析的領域都是不可或缺的技能之一。

讀寫 CSV 檔

在這裡，我們以 IMDB 資料集作為範例。 IMDB 是一個經典的電影評論資料集，常用來測試分類模型的好壞（因為有標籤『正面』和『負面』兩種）。

我們可以在這裡下載 IMDB 資料集： https://www.kaggle.com/lakshmi25npathi/imdb-dataset-of-50k-movie-reviews/download

下載好後解壓縮，我們應該會得到 IMDB 的 CSV 檔。在這裡，我把它重新命名叫 imdb.csv。

讀取方式非常簡單：

# -*- coding: utf-8 -*-
import csv

with open('imdb.csv', newline='', encoding='utf-8') as csvfile:
    rows = csv.reader(csvfile)
    for row in rows:
        print(row)

# -*- coding: utf-8 -*-
import csv

with open(‘imdb.csv’, newline=”, encoding=’utf-8′) as csvfile:
    rows = csv.reader(csvfile)
    for row in rows:
        print(row)

Output 的東西實在太多了，在這裡我就先不列出了，各位可以看看印出的東西。基本上一個 row 裡頭有兩個元素，前者是電影評論、後者是標正面或負面的標籤。

除了這樣的讀法之外，其實我們也可以使用每一行開頭的名稱來印出資料。

這裡簡單示範一下，基本上兩大類別分別為 review 以及 sentiment。

# -*- coding: utf-8 -*-
import csv

with open('imdb.csv', newline='', encoding='utf-8') as csvfile:
    rows = csv.DictReader(csvfile)
    for row in rows:
        print(row['sentiment'])

# -*- coding: utf-8 -*-
import csv

with open(‘imdb.csv’, newline=”, encoding=’utf-8′) as csvfile:
    rows = csv.DictReader(csvfile)
    for row in rows:
        print(row[‘sentiment’])

這裡的話，我們只選擇印出 sentiment 的部份，所以我們的 Output 只會看到 positive 以及 negative 兩類。

讀取之後，我們來看看該如何寫入。

# -*- coding: utf-8 -*-
import csv

with open('test.csv', 'w', newline='', encoding='utf-8') as csvfile:
    rows = csv.writer(csvfile)
    rows.writerow(['Today', 'is', 'a', 'nice', 'day', '.'])
    rows.writerow(['Today', 'is', 'a', 'bad', 'day', '.'])

# -*- coding: utf-8 -*-
import csv

with open(‘test.csv’, ‘w’, newline=”, encoding=’utf-8′) as csvfile:
    rows = csv.writer(csvfile)
    rows.writerow([‘Today’, ‘is’, ‘a’, ‘nice’, ‘day’, ‘.’])
    rows.writerow([‘Today’, ‘is’, ‘a’, ‘bad’, ‘day’, ‘.’])

Output:

其實非常簡單。

補充

如果要將資料整理成 csv 檔的話，其實正如前面所說， csv 其實只是『逗號分隔值』而已。這樣一想，其實我們可以直接使用 Python 的字串來進行 csv 的存檔。

# -*- coding: utf-8 -*-
a = ['Today', 'is', 'a', 'nice', 'day', '.']
b = ['Today', 'is', 'a', 'bad', 'day', '.']

csvFile = ''
ab = [a, b]
for line in ab:
    for word in line:
        csvFile += '{},'.format(word)

    csvFile += '\n'

open('test2.csv', 'w', encoding='utf-8').write(csvFile)

# -*- coding: utf-8 -*-
a = [‘Today’, ‘is’, ‘a’, ‘nice’, ‘day’, ‘.’]
b = [‘Today’, ‘is’, ‘a’, ‘bad’, ‘day’, ‘.’]

csvFile = ”
ab = [a, b]
for line in ab:
    for word in line:
        csvFile += ‘{},’.format(word)

    csvFile += ‘\n’

open(‘test2.csv’, ‘w’, encoding=’utf-8′).write(csvFile)

Output: