Как записывать столбцы в питоне csv

• Модуль csv - чтение и запись CSV файлов
• Создаём сайт на Django, используя хорошие практики. Часть 1: создаём проект
• Онлайн-обучение Python: сравнение популярных программ

• Книги о Python
• GUI (графический интерфейс пользователя)
• Курсы Python
• Модули
• Новости мира Python
• NumPy
• Обработка данных
• Основы программирования
• Примеры программ
• Типы данных в Python
• Видео
• Python для Web
• Работа для Python-программистов

• Сделай свой вклад в развитие сайта!
• Самоучитель Python
• Карта сайта
• Отзывы на книги по Python
• Реклама на сайте

На Python Как записать данные в несколько столбцов CSV?

Добрый день, написал код, который позволяет собирать данные с конфига XML и записывает эти данные в CSV - Таблицу. Не получается разобраться, почему у меня все данные записываются в один столбец. Решение есть, что в Excel я сделал "Разделить по столбцам" ориентир запятая и данные записались верно. Но хотелось бы узнать, где проблема в коде.

import xmltodict import csv with open("XML-FILE", "r") as cfg: dict = xmltodict.parse(cfg.read()) num = 1 with open('ACL.csv', 'w', newline="") as acl_file: fieldnames = ["ID","Order","Enabled", "Name", "Description", "IpVersion", "Src", "Dst", "Proxy", "Service", "ValidTime", "Action", "NAT", "SNAT", "DNAT"] listitem = dict['config']['list']['listitem'] writer = csv.DictWriter(acl_file, fieldnames=fieldnames, delimiter=',') writer.writeheader() for i in listitem: Dubl_name_ID = False Dubl_name_Order = False Dubl_name_Enabled = False Dubl_name_Name = False Dubl_name_Description = False Dubl_name_IpVersion = False Dubl_name_Src = False Dubl_name_Dst = False Dubl_name_Proxy = False Dubl_name_Service = False Dubl_name_Validtime = False Dubl_name_Action = False Dubl_name_NAT = False Dubl_name_SNAT = False Dubl_name_DNAT = False line = <> for j in i['variable']: try: text = j["#text"] except KeyError: text = "None" if j["@name"] == "Id": if Dubl_name_ID is False: line["ID"] = text elif Dubl_name_ID is True: line["ID"] = line["ID"] + "*" + text Dubl_name_ID is True if j["@name"] == "Order": if Dubl_name_Order is False: line["Order"] = text elif Dubl_name_Order is True: line["Order"] = line["Order"] + "*" + text Dubl_name_Order = True if j["@name"] == "Enabled": if Dubl_name_Enabled is False: line["Enabled"] = text elif Dubl_name_Enabled is True: line["Enabled"] = line["Enabled"] + "*" + text Dubl_name_Enabled = True if j["@name"] == "Name": if Dubl_name_Name is False: line["Name"] = text elif Dubl_name_Name is True: line["Name"] = line["Name"] + "*" + text Dubl_name_Name = True if j["@name"] == "Description": if Dubl_name_Description is False: line["Description"] = text elif Dubl_name_Description is True: line["Description"] = line["Description"] + "*" + text Dubl_name_Description = True if j["@name"] == "IpVersion" : if Dubl_name_IpVersion is False: line["IpVersion"] = text elif Dubl_name_IpVersion is True: line["IpVersion"] = line["IpVersion"] + "*" + text Dubl_name_IpVersion = True if j["@name"] == "Src": if Dubl_name_Src is False: line['Src'] = text elif Dubl_name_Src is True: line['Src'] = line['Src'] + "*" + text Dubl_name_Src = True if j["@name"] == "Dst" : if Dubl_name_Dst is False: line['Dst'] = text elif Dubl_name_Dst is True: line['Dst'] = line['Dst'] + "*" + text Dubl_name_Dst = True if j["@name"] == "Proxy": if Dubl_name_Proxy is False: line['Proxy'] = text elif Dubl_name_Proxy is True: line['Proxy'] = line['Proxy'] + "*" + text Dubl_name_Proxy = True if j["@name"] == "Service" : if Dubl_name_Service is False: line['Service'] = text elif Dubl_name_Service is True: line['Service'] = line['Service'] + "*" + text Dubl_name_Service = True if j["@name"] == "ValidTime" : if Dubl_name_Validtime is False: line['ValidTime'] = text elif Dubl_name_Validtime is True: line['ValidTime'] = line['ValidTime'] + text Dubl_name_Validtime = True if j["@name"] == "Action" : if Dubl_name_Action is False: line['Action'] = text elif Dubl_name_Action is True: line['Action'] = line['Action'] + "*" + text Dubl_name_Action = True if j["@name"] == "NAT": if Dubl_name_NAT is False: line['NAT'] = text elif Dubl_name_NAT is True: line['NAT'] = line['NAT'] + "*" + text Dubl_name_NAT = True if j["@name"] == "SNAT" : if Dubl_name_SNAT is False: line['SNAT'] = text elif Dubl_name_SNAT is True: line['SNAT'] = line['SNAT'] + "*" + text Dubl_name_SNAT = True if j["@name"] == "DNAT" : if Dubl_name_DNAT is False: line['DNAT'] = text elif Dubl_name_DNAT is True: line['DNAT'] = line['DNAT'] + "*" + text Dubl_name_DNAT = True num+=1 writer.writerow(line) acl_file.close() cfg.close()

P.S. Я не умею хорошо писать коды. Если покажите, как бы стоило более читабельно его написать, будет замечательно.

• Вопрос задан более двух лет назад
• 1139 просмотров

Комментировать
Решения вопроса 1

О каком "столбце" идет речь? CSV - файл, это обычный ТЕКСТОВЫЙ файл, в котором просто "по договоренности" все данные делятся разделителем. Не более.
Поэтому если вы просто открываете этот файл в MS EXCEL совершенно очевидно, что каждая запись будет представляться одной строчкой, которая попадает в один - как правило первый - столбец таблицы.
Если вы хотите с таким файлом в дальнейшем работать именно как с таблицей, то уже в EXCEL вам надо осуществить импорт данных их csv в xslx формат. Делается этот так:
Вкладка "Данные" -> Получение внешних данных ->Из текста->указываете имя вашего csv- файла ->выбераете формат "с разделителем"->Далее->выбираете используемый разделитель (например "запятая")->Далее->Готово->указываете место на листе, с которого импортированная таблица должна начинаться (обычно "=$A$1")->ОК
и смотрите, что у вас получилось в вашей теперь уже настоящей таблице EXCEL.

Ответ написан более двух лет назад
Maloyyy @Maloyyy Автор вопроса
Спасибо за ответ, да я так и сделал. До этого не знал, что CSV это просто текстовый файл.
Ответы на вопрос 0
Ваш ответ на вопрос

Войдите, чтобы написать ответ

• Python
• +2 ещё

TypeError: event_list() missing 1 required positional argument: 'call_data" aiogram при использовании CallbackFactory?

• 1 подписчик
• 3 часа назад
• 4 просмотра

Чтение и запись табличных данных в файловую систему — Python: Pandas

Библиотека Pandas разрабатывалась для работы с табличными данными. Популярными типами файлов для их хранения являются:

• csv — текстовый формат, в котором значения в столбцах отделены друг от друга разделителем, часто запятой
• xlsx или xls — форматы файлов электронных таблиц Microsoft Excel

Для чтения и записи таблиц в указанные форматы в Pandas существуют специальные методы. О них пойдет речь в этом уроке.

Чтение данных

Начнем работу с продажами в сети из четырех магазинов за одну неделю, которые хранятся в формате csv с запятой в качестве разделителя. Воспользуемся методом read_csv() :

df_orders = pd.read_csv('./data/Shop_orders.csv') print(df_orders.head()) # => Weekday Shop_1 Shop_2 Shop_3 Shop_4 # 0 mon 7 1 7 8 # 1 tue 4 2 4 5 # 2 wed 3 5 2 3 # 3 thu 8 12 8 7 # 4 fri 15 11 13 9 

При чтении данных метод не знает, что считать за индекс в данных, поэтому расставляет индексы самостоятельно. Это возрастающая последовательность целых чисел, которая начинается с нуля. В нашем примере явным индексом является первый столбец — Weekday. Дополним метод параметром index_col с явным указанием номера столбца, который хранит индексы:

df_orders = pd.read_csv('./data/Shop_orders.csv', index_col=0) print(df_orders.head()) # => Shop_1 Shop_2 Shop_3 Shop_4 # Weekday # mon 7 1 7 8 # tue 4 2 4 5 # wed 3 5 2 3 # thu 8 12 8 7 # fri 15 11 13 9 

У разделителя в данных формата csv есть важное значение при чтении. По умолчанию это запятая. Попытка считать данные с разделителем в виде точки с запятой приведет к некорректному чтению. В примере ниже в результате получается пустой DataFrame , в котором индексами стали данные в строках — не то, что хотелось получить:

df_orders = pd.read_csv('./data/Shop_orders_sep.csv', index_col=0) print(df_orders.head()) # => Empty DataFrame # Columns: [] # Index: [mon;7;1;7;8, tue;4;2;4;5, wed;3;5;2;3, thu;8;12;8;7, fri;15;11;13;9] 

Для корректного чтения в данном случае достаточно воспользоваться параметром sep :

df_orders = pd.read_csv('./data/Shop_orders_sep.csv', index_col=0, sep=';') print(df_orders.head()) # => Shop_1 Shop_2 Shop_3 Shop_4 # Weekday # mon 7 1 7 8 # tue 4 2 4 5 # wed 3 5 2 3 # thu 8 12 8 7 # fri 15 11 13 9 

Иногда описание данных может предшествовать началу самих табличных данных. В примере ниже файл начинается со строк:

Попытка прочитать данный файл повлечет ошибку:

df_orders = pd.read_csv('./data/Shop_orders_abstract.csv', index_col=0) print(df_orders.head()) # => ParserError: Error tokenizing data. C error: Expected 1 fields in line 4, saw 5 

Чтобы пропустить ряд строк с описанием, нужно воспользоваться параметром skiprows . Его значение — это количество опускаемых из рассмотрения первых строк в файле:

df_orders = pd.read_csv('./data/Shop_orders_abstract.csv', index_col=0, skiprows=3) print(df_orders.head()) # => Shop_1 Shop_2 Shop_3 Shop_4 # Weekday # mon 7 1 7 8 # tue 4 2 4 5 # wed 3 5 2 3 # thu 8 12 8 7 # fri 15 11 13 9 

Запись данных

После чтения и трансформации данных результаты могут быть сохранены в файловую систему. Для этого в Pandas есть ряд специальных методов. Для рассматриваемых типов данных это to_csv() и to_excel() :

df_orders.to_csv('./data/Shop_orders_restore.csv') 

В примере выше метод to_csv() позволяет сохранить DataFrame в изначальном виде. Если в качестве индекса сохранить значения, которые присвоены Pandas по умолчанию, то это может мешать дальнейшему чтению и обработке. Также такие индексы не несут важной информации.

У нас есть такие данные:

# => Weekday Shop_1 Shop_2 Shop_3 Shop_4 # 0 mon 7 1 7 8 # 1 tue 4 2 4 5 # 2 wed 3 5 2 3 # 3 thu 8 12 8 7 # 4 fri 15 11 13 9 

Для них с индексами по умолчанию достаточно воспользоваться параметром index , чтобы не сохранять их файл:

df_orders.to_csv('./data/Shop_orders_restore.csv', index=False) 

В команде разработки можно проговорить, что будет использоваться в качестве разделителя в csv-файле. Также это может быть продиктовано совместимостью с другими частями программного продукта. Чтобы задать разделитель, нужно использовать параметр sep :

df_orders.to_csv('./data/Shop_orders_restore_sep.csv', index=False, sep=';') 

Метод to_excel() позволяет сохранять табличные данные в формат MS Excel. Параметризация аналогична методу to_csv() . Меняется только название метода и расширение файла с .csv на .xlsx :

df_orders.to_excel('./data/Shop_orders_restore.xlsx', index=False) 

В некоторых случаях сохранение названий столбцов также можно отключить. Это может потребоваться, когда нужно сохранить значения в ячейках таблицы, или когда названия столбцов не несут дополнительной информации, и не предполагается их использование. Для этого достаточно задать параметр header значением False:

df_orders.to_excel('./data/Shop_orders_restore_noheader.xlsx', index=False, header=False) 

Большие таблицы текстовых данных занимают большой объем. Чтобы уменьшить его, можно создавать архивы методами Pandas. Для этого нужно определить метод сжатия и названия файла в архиве, при этом указать их в виде словаря в параметре compression :

df_orders.to_csv( './data/Shop_orders_restore.zip', index=False, compression='method': 'zip', 'archive_name': 'Shop_orders_restore_archive.csv'> ) 

Выводы

Данные для долгосрочного хранения размещают в виде файлов на жестких дисках. В данном уроке методами библиотеки Pandas выполнялись операции чтения и записи csv и xlsx файлов — наиболее популярных форматов хранения табличных данных.

Данные форматы позволяют хранить таблицы в структурированной форме, но при этом данная форма может сильно варьироваться:

• Могут использоваться различные варианты разделителей значений в столбцах
• Строки описания данных могут появляться в шапке таблице
• Индексы могут храниться не в привычном крайнем левом столбце

В уроке на практических примерах показано, как действовать в таких ситуациях. Конфигурацией параметров методов мы научились:

• Пропускать первые строки в таблице

Открыть доступ

Курсы программирования для новичков и опытных разработчиков. Начните обучение бесплатно

• 130 курсов, 2000+ часов теории
• 1000 практических заданий в браузере
• 360 000 студентов

Наши выпускники работают в компаниях: