Python中如何使用DictReader和DictWriter高效读写CSV文件

来源:Golang编程网作者:越南程序员头衔:程序员
导读:本期聚焦于小伙伴创作的《Python中如何使用DictReader和DictWriter高效读写CSV文件》,敬请观看详情,探索知识的价值。以下视频、文章将为您系统阐述其核心内容与价值。如果您觉得《Python中如何使用DictReader和DictWriter高效读写CSV文件》有用,将其分享出去将是对创作者最好的鼓励。

在Python中处理CSV文件时,csv模块提供的DictReader和DictWriter类是非常实用的工具,它们可以将CSV的每一行数据映射为字典,避免通过索引访问列值带来的可读性问题,大幅降低代码维护成本。

Python中如何使用DictReader和DictWriter高效读写CSV文件

DictReader的基本用法

DictReader会将CSV文件的第一行作为字典的键,后续每一行对应一个字典,字典的键就是表头的内容,值就是对应行的列值。使用DictReader读取CSV文件不需要手动处理表头,直接遍历对象就能获取每一行的字典数据。

假设我们有一个名为user_info.csv的文件,内容如下:

name,age,city
张三,25,北京
李四,30,上海
王五,28,广州

使用DictReader读取该文件的代码如下:

import csv

# 读取CSV文件
with open("user_info.csv", "r", encoding="utf-8") as f:
    # 创建DictReader对象
    reader = csv.DictReader(f)
    # 遍历每一行数据,每一行都是字典
    for row in reader:
        print(f"姓名:{row['name']},年龄:{row['age']},城市:{row['city']}")

运行上述代码会输出每一行的用户信息,不需要通过索引0、1、2来访问列值,代码的可读性更强。如果CSV文件没有表头,可以在创建DictReader时通过fieldnames参数手动指定键名:

import csv

# 无表头的CSV文件内容示例
# 张三,25,北京
# 李四,30,上海
with open("user_info_no_header.csv", "r", encoding="utf-8") as f:
    # 手动指定键名
    fieldnames = ["name", "age", "city"]
    reader = csv.DictReader(f, fieldnames=fieldnames)
    for row in reader:
        print(row)

DictWriter的基本用法

DictWriter的作用是将字典数据写入CSV文件,需要提前指定表头对应的键名,写入时会自动将字典中对应键的值提取出来,按照表头顺序写入文件。

使用DictWriter写入数据的基本步骤如下:首先指定表头字段,创建DictWriter对象,然后先写入表头,再写入每一行字典数据。

下面是一个将用户字典列表写入CSV文件的示例:

import csv

# 待写入的字典数据
user_list = [
    {"name": "张三", "age": "25", "city": "北京"},
    {"name": "李四", "age": "30", "city": "上海"},
    {"name": "王五", "age": "28", "city": "广州"}
]

# 指定CSV的表头字段
fieldnames = ["name", "age", "city"]

with open("new_user_info.csv", "w", encoding="utf-8", newline="") as f:
    # 创建DictWriter对象
    writer = csv.DictWriter(f, fieldnames=fieldnames)
    # 写入表头
    writer.writeheader()
    # 写入多行数据
    writer.writerows(user_list)
    # 也可以逐行写入,使用writerow方法
    # for user in user_list:
    #     writer.writerow(user)

这里需要注意,打开文件时建议添加newline=""参数,避免写入CSV时出现多余的空行,这是Windows系统下处理CSV文件的常见注意事项。

DictReader和DictWriter的常用参数

DictReader常用参数

  • f:文件对象,必须是支持迭代的文本文件
  • fieldnames:可选参数,指定字典的键名,如果不指定则使用CSV第一行的表头作为键名
  • restkey:可选参数,当CSV行的列数多于fieldnames的长度时,多出来的列值会放到这个键对应的列表中
  • restval:可选参数,当CSV行的列数少于fieldnames的长度时,缺少的列值会用这个参数指定的值填充

DictWriter常用参数

  • f:文件对象,用于写入数据的文本文件
  • fieldnames:必填参数,指定CSV的表头,也是字典的键名
  • extrasaction:可选参数,默认值为raise,当字典中存在fieldnames没有的键时,会抛出ValueError;如果设置为ignore,则会忽略这些多余的键
  • delimiter:可选参数,指定CSV的分隔符,默认是逗号,也可以设置为其他字符比如制表符

实际应用场景示例

假设我们需要从一个CSV文件中读取用户信息,筛选出年龄大于26岁的用户,再将这些用户的信息写入新的CSV文件,使用DictReader和DictWriter可以很方便地实现这个需求:

import csv

# 读取原始文件,筛选年龄大于26岁的用户
filtered_users = []
with open("user_info.csv", "r", encoding="utf-8") as f:
    reader = csv.DictReader(f)
    for row in reader:
        # 将age转换为整数再比较
        if int(row["age"]) > 26:
            filtered_users.append(row)

# 将筛选后的用户写入新文件
fieldnames = ["name", "age", "city"]
with open("filtered_user_info.csv", "w", encoding="utf-8", newline="") as f:
    writer = csv.DictWriter(f, fieldnames=fieldnames)
    writer.writeheader()
    writer.writerows(filtered_users)

print("筛选完成,结果已写入filtered_user_info.csv")

这个示例中,读取到的每一行数据本身就是字典,不需要额外转换结构,直接筛选后就可以交给DictWriter写入新文件,整个过程逻辑清晰,代码简洁。

使用注意事项

1. 读取和写入文件时都要注意指定正确的编码,比如中文内容常用utf-8编码,避免出现乱码问题。
2. 使用DictWriter写入文件时,字典的键必须和fieldnames中指定的键完全一致,否则会出现数据缺失或者报错。
3. 如果CSV文件的分隔符不是逗号,需要在创建DictReader或DictWriter时通过delimiter参数指定对应的分隔符。
4. DictReader读取到的所有值都是字符串类型,如果需要数值类型的数据,需要手动进行类型转换。

PythonCSVdictreaderdictwriter文件读写修改时间:2026-07-03 04:12:31

免责声明:​ 已尽一切努力确保本网站所含信息的准确性。网站内容多为原创整理与精心编撰,观点力求客观中立。本站旨在免费分享,内容仅供个人学习、研究或参考使用。若引用了第三方作品,版权归原作者所有。如内容涉及您的权益,请联系我们处理。
内容垂直聚焦
专注技术核心技术栏目,确保每篇文章深度聚焦于实用技能。从代码技巧到架构设计,为用户提供无干扰的纯技术知识沉淀,精准满足专业提升需求。
知识结构清晰
覆盖从开发到部署的全链路。AI、前端、编程、数据库、服务器、建站、系统层层递进,构建清晰学习路径,帮助用户系统化掌握开发与运维所需的核心技术。
深度技术解析
拒绝泛泛而谈,深入技术细节与实践难点。无论是数据库优化还是服务器配置,均结合真实场景与代码示例进行剖析,致力于提供可直接应用于工作的解决方案。
专业领域覆盖
精准对应开发生命周期。从前端界面到后端编程,从数据库操作到服务器运维,形成完整闭环,一站式满足全栈工程师和运维人员的技术需求。
即学即用高效
内容强调实操性,步骤清晰、代码完整。用户可根据教程直接复现和应用于自身项目,显著缩短从学习到实践的距离,快速解决开发中的具体问题。
持续更新保障
专注既定技术方向进行长期、稳定的内容输出。确保各栏目技术文章持续更新迭代,紧跟主流技术发展趋势,为用户提供经久不衰的学习价值。