Python 一维数据、二维数据及 CSV 文件操作全解析（附实例）

news/2025/11/15 22:23:26/文章来源:https://www.cnblogs.com/wangya216/p/19226400

Python 一维数据、二维数据及 CSV 文件操作全解析（附实例）

在数据处理中，一维数据和二维数据是最基础的数据结构。CSV（逗号分隔值）作为一种轻量级文件格式，是存储和交换这两类数据的常用载体。本文将系统讲解一维数据、二维数据的概念、表示方法，以及如何通过 Python 对 CSV 文件进行读写操作，结合20+ 实例覆盖基础到进阶场景。

一、一维数据：线性结构的数据集合

1.1 概念与特征

  • 定义：由相同类型的数据元素组成的线性序列（仅有一个维度），如：名单、数值列表、标签集合等。
  • 特征：数据元素之间是平等的线性关系，无层级或嵌套。

1.2 Python 中一维数据的表示

Python 中最常用 列表（list） 表示一维数据，也可用元组（tuple）（不可变）或集合（set）（去重）。

示例 1：一维数据的表示形式

# 1. 列表（最常用，可修改）
names = ["张三", "李四", "王五", "赵六"]  # 字符串型一维数据
scores = [90, 85, 95, 88]                # 数值型一维数据# 2. 元组（不可修改，适合固定数据）
weekdays = ("周一", "周二", "周三", "周四", "周五")# 3. 集合（自动去重，无序）
tags = {"Python", "数据处理", "CSV", "Python"}  # 去重后为 {"Python", "数据处理", "CSV"}print("列表形式：", names)
print("元组形式：", weekdays)
print("集合形式：", tags)

1.3 一维数据的基本操作

包括遍历、索引访问、切片、排序等，核心是列表的基础操作。

示例 2：一维数据的常用操作

scores = [90, 85, 95, 88, 76]# 1. 遍历
print("所有分数：", end=" ")
for score in scores:print(score, end=" ")  # 输出：90 85 95 88 76# 2. 索引访问（获取/修改元素）
print("\n\n第二个分数（索引1）：", scores[1])  # 输出：85
scores[4] = 80  # 修改第五个元素
print("修改后第五个分数：", scores[4])  # 输出：80# 3. 切片（获取子序列）
print("\n前3个分数：", scores[:3])  # 输出：[90, 85, 95]
print("后2个分数：", scores[-2:])   # 输出：[88, 80]# 4. 排序
sorted_scores = sorted(scores)  # 升序排序（不修改原列表）
print("\n升序排序：", sorted_scores)  # 输出：[80, 85, 88, 90, 95]
scores.sort(reverse=True)  # 原列表降序排序
print("降序排序（原列表）：", scores)  # 输出：[95, 90, 88, 85, 80]

二、二维数据：表格结构的数据集合

2.1 概念与特征

  • 定义：由多个一维数据按行排列组成的表格型数据（有行和列两个维度），如：学生信息表、成绩表、CSV 表格等。
  • 特征：每个元素由「行索引」和「列索引」共同定位，行内元素类型可不同（如一行包含姓名、年龄、成绩）。

2.2 Python 中二维数据的表示

Python 中最常用 列表的列表（list of lists） 表示二维数据，外层列表代表行，内层列表代表每行的列元素。

示例 3：二维数据的表示形式

# 学生信息表：每行包含 [姓名, 年龄, 性别, 成绩]
students = [["张三", 20, "男", 90],["李四", 21, "女", 85],["王五", 19, "男", 95],["赵六", 22, "女", 88]
]# 打印二维数据（模拟表格）
print("学生信息表：")
for row in students:print(row)# 输出：
# 学生信息表：
# ['张三', 20, '男', 90]
# ['李四', 21, '女', 85]
# ['王五', 19, '男', 95]
# ['赵六', 22, '女', 88]

2.3 二维数据的基本操作

包括访问元素、遍历、增删行/列、按条件筛选等。

示例 4：二维数据的常用操作

students = [["张三", 20, "男", 90],["李四", 21, "女", 85],["王五", 19, "男", 95],["赵六", 22, "女", 88]
]# 1. 访问元素（行索引, 列索引）
print("第2行第1列（姓名）：", students[1][0])  # 输出：李四
print("第3行第4列（成绩）：", students[2][3])  # 输出：95# 2. 遍历所有元素（行优先）
print("\n所有学生信息（行+列）：")
for i, row in enumerate(students):  # i 是行索引for j, value in enumerate(row):  # j 是列索引print(f"({i},{j}): {value}", end=" | ")print()  # 换行# 3. 增加一行（ append() ）
new_student = ["孙七", 20, "男", 82]
students.append(new_student)
print("\n增加一行后：", students[-1])  # 输出新增行# 4. 按条件筛选（如成绩 >=90 的学生）
excellent = [row for row in students if row[3] >= 90]
print("\n成绩优秀的学生：", excellent)  # 输出：[['张三', 20, '男', 90], ['王五', 19, '男', 95]]# 5. 提取一列（如所有学生的成绩）
scores = [row[3] for row in students]
print("\n所有学生成绩：", scores)  # 输出：[90, 85, 95, 88, 82]# 6. 排序（按年龄升序）
students.sort(key=lambda x: x[1])  # 按第2列（年龄）排序
print("\n按年龄排序后：")
for row in students:print(row)

三、CSV 文件：一维/二维数据的存储格式

CSV（Comma-Separated Values，逗号分隔值）是一种纯文本格式，用逗号分隔字段，换行分隔记录，广泛用于数据交换。

3.1 CSV 格式规则

  • 每行代表一条记录（一维数据的一个元素或二维数据的一行）；
  • 字段间用逗号 , 分隔（也可用制表符 \t 等，称为 TSV）；
  • 若字段包含逗号、换行符等特殊字符，需用双引号 "" 包裹；
  • 首行可作为表头（二维数据的列名）。

示例 5：标准 CSV 格式示例（students.csv）

姓名,年龄,性别,成绩
张三,20,男,90
李四,21,女,85
王五,19,男,95
赵六,22,女,88

示例 6：含特殊字符的 CSV 格式（special.csv）

名称,描述
苹果,"红,甜,脆"  # 字段含逗号，用双引号包裹
香蕉,"黄色
软质水果"  # 字段含换行符，用双引号包裹

四、Python 操作 CSV 文件：内置 csv 模块

Python 标准库 csv 提供了专门处理 CSV 文件的工具，支持读写一维/二维数据，自动处理特殊字符。

4.1 写入 CSV 文件（一维数据）

一维数据写入 CSV 时，通常每行一个元素（或作为一行的多个字段）。

示例 7：将一维列表写入 CSV（每行一个元素）

import csv# 一维数据（名单）
names = ["张三", "李四", "王五", "赵六"]# 写入 CSV（每行一个名字）
with open("names.csv", "w", encoding="utf-8", newline="") as f:  # newline="" 避免空行writer = csv.writer(f)  # 创建写入器for name in names:writer.writerow([name])  # writerow() 接收可迭代对象，单个元素需用列表包裹print("一维数据写入完成，文件内容：")
with open("names.csv", "r", encoding="utf-8") as f:print(f.read())

输出结果（names.csv 内容）：

张三
李四
王五
赵六

示例 8：将一维数据作为一行字段写入 CSV

import csv# 一维数据（一条学生信息）
student = ["孙七", 20, "男", 82]# 写入 CSV（一行包含所有字段）
with open("single_student.csv", "w", encoding="utf-8", newline="") as f:writer = csv.writer(f)writer.writerow(student)  # 直接写入列表（一行多个字段）print("单行多字段写入完成，文件内容：")
with open("single_student.csv", "r", encoding="utf-8") as f:print(f.read())

输出结果（single_student.csv 内容）：

孙七,20,男,82

4.2 写入 CSV 文件（二维数据）

二维数据（列表的列表）可直接用 writerows() 批量写入，或用 writerow() 逐行写入。

示例 9：写入带表头的二维数据（学生表）

import csv# 二维数据（含表头）
students = [["姓名", "年龄", "性别", "成绩"],  # 表头["张三", 20, "男", 90],["李四", 21, "女", 85],["王五", 19, "男", 95],["赵六", 22, "女", 88]
]# 批量写入二维数据
with open("students.csv", "w", encoding="utf-8", newline="") as f:writer = csv.writer(f)writer.writerows(students)  # writerows() 接收二维列表print("二维数据写入完成，文件内容：")
with open("students.csv", "r", encoding="utf-8") as f:print(f.read())

输出结果（students.csv 内容）：

姓名,年龄,性别,成绩
张三,20,男,90
李四,21,女,85
王五,19,男,95
赵六,22,女,88

示例 10：用字典写入 CSV（更直观的表头映射）

csv.DictWriter 可通过字典键值对写入，键对应表头，值对应字段，适合字段较多的场景。

import csv# 表头
headers = ["姓名", "年龄", "性别", "成绩"]# 二维数据（字典列表）
students_dict = [{"姓名": "张三", "年龄": 20, "性别": "男", "成绩": 90},{"姓名": "李四", "年龄": 21, "性别": "女", "成绩": 85},{"姓名": "王五", "年龄": 19, "性别": "男", "成绩": 95}
]with open("students_dict.csv", "w", encoding="utf-8", newline="") as f:# 初始化 DictWriter，指定表头writer = csv.DictWriter(f, fieldnames=headers)writer.writeheader()  # 写入表头writer.writerows(students_dict)  # 写入数据行print("字典格式二维数据写入完成，文件内容：")
with open("students_dict.csv", "r", encoding="utf-8") as f:print(f.read())

输出结果（students_dict.csv 内容）：

姓名,年龄,性别,成绩
张三,20,男,90
李四,21,女,85
王五,19,男,95

4.3 读取 CSV 文件（一维数据）

读取一维数据时，根据 CSV 格式选择按行读取单个元素或一行多个字段。

示例 11：读取每行一个元素的 CSV（names.csv）

import csv# 读取一维数据（每行一个名字）
with open("names.csv", "r", encoding="utf-8") as f:reader = csv.reader(f)  # 创建读取器names = [row[0] for row in reader]  # 每行第一个元素（唯一元素）print("读取的一维数据（名单）：", names)  # 输出：['张三', '李四', '王五', '赵六']

示例 12：读取一行多字段的 CSV 作为一维数据

import csv# 读取单行多字段的 CSV（single_student.csv）
with open("single_student.csv", "r", encoding="utf-8") as f:reader = csv.reader(f)student = next(reader)  # 读取第一行（仅一行）print("读取的一维数据（学生信息）：", student)  # 输出：['孙七', '20', '男', '82']
# 注意：CSV 读取的数值默认是字符串，需手动转换
student[1] = int(student[1])  # 年龄转为整数
student[3] = int(student[3])  # 成绩转为整数
print("转换后：", student)  # 输出：['孙七', 20, '男', 82]

4.4 读取 CSV 文件（二维数据）

读取二维数据时，可用 csv.reader 或 csv.DictReader（按字典读取，更易按表头访问）。

示例 13：用 csv.reader 读取带表头的二维数据

import csvwith open("students.csv", "r", encoding="utf-8") as f:reader = csv.reader(f)headers = next(reader)  # 读取表头（第一行）students = [row for row in reader]  # 读取数据行print("表头：", headers)  # 输出：['姓名', '年龄', '性别', '成绩']
print("数据行：", students)  # 输出二维列表
# 转换数值类型（年龄和成绩）
for row in students:row[1] = int(row[1])row[3] = int(row[3])
print("转换后数据：", students)

输出结果：

表头： ['姓名', '年龄', '性别', '成绩']
数据行： [['张三', '20', '男', '90'], ['李四', '21', '女', '85'], ['王五', '19', '男', '95'], ['赵六', '22', '女', '88']]
转换后数据： [['张三', 20, '男', 90], ['李四', 21, '女', 85], ['王五', 19, '男', 95], ['赵六', 22, '女', 88]]

示例 14：用 csv.DictReader 读取（按表头访问更直观）

import csvwith open("students.csv", "r", encoding="utf-8") as f:reader = csv.DictReader(f)  # 自动将第一行作为表头students_dict = [row for row in reader]  # 每行是一个字典print("字典格式数据：")
for row in students_dict:print(row)# 按表头访问字段（注意：值是字符串，需转换）
print("\n所有学生姓名和成绩：")
for row in students_dict:print(f"{row['姓名']}：{int(row['成绩'])}分")

输出结果：

字典格式数据：
{'姓名': '张三', '年龄': '20', '性别': '男', '成绩': '90'}
{'姓名': '李四', '年龄': '21', '性别': '女', '成绩': '85'}
{'姓名': '王五', '年龄': '19', '性别': '男', '成绩': '95'}
{'姓名': '赵六', '年龄': '22', '性别': '女', '成绩': '88'}所有学生姓名和成绩：
张三：90分
李四：85分
王五：95分
赵六：88分

4.5 处理特殊字符的 CSV 文件

csv 模块会自动处理含逗号、换行符等特殊字符的字段（需用双引号包裹）。

示例 15：读取含特殊字符的 CSV（special.csv）

import csvwith open("special.csv", "r", encoding="utf-8") as f:reader = csv.DictReader(f)data = list(reader)print("含特殊字符的数据：")
for row in data:print(f"名称：{row['名称']}，描述：{row['描述']}")

输出结果：

含特殊字符的数据：
名称：苹果，描述：红,甜,脆
名称：香蕉，描述：黄色
软质水果

五、进阶场景：CSV 数据处理实战

场景 1：筛选并导出符合条件的数据

需求：从学生表中筛选出成绩 ≥90 分的学生，导出为新的 CSV 文件。

import csv# 读取原始数据
with open("students.csv", "r", encoding="utf-8") as f:reader = csv.DictReader(f)students = list(reader)# 筛选成绩 ≥90 的学生
excellent = [row for row in students if int(row["成绩"]) >= 90]# 导出到新文件
with open("excellent_students.csv", "w", encoding="utf-8", newline="") as f:if excellent:  # 确保有数据writer = csv.DictWriter(f, fieldnames=excellent[0].keys())writer.writeheader()writer.writerows(excellent)print("筛选完成，优秀学生数据：", excellent)

输出结果（excellent_students.csv 内容）：

姓名,年龄,性别,成绩
张三,20,男,90
王五,19,男,95

场景 2：计算二维数据的统计信息

需求：计算学生表中的平均年龄、平均成绩、最高成绩。

import csvwith open("students.csv", "r", encoding="utf-8") as f:reader = csv.DictReader(f)students = list(reader)# 提取数值列（转换为整数）
ages = [int(row["年龄"]) for row in students]
scores = [int(row["成绩"]) for row in students]# 计算统计量
avg_age = sum(ages) / len(ages)
avg_score = sum(scores) / len(scores)
max_score = max(scores)print(f"平均年龄：{avg_age:.1f}岁")  # 输出：平均年龄：20.5岁
print(f"平均成绩：{avg_score:.1f}分")  # 输出：平均成绩：89.5分
print(f"最高成绩：{max_score}分")  # 输出：最高成绩：95分

场景 3：CSV 与 Excel 格式互转（需第三方库）

pandas 库可简化 CSV 与 Excel 的互转（需安装：pip install pandas openpyxl）。

import pandas as pd# 1. CSV 转 Excel
df = pd.read_csv("students.csv", encoding="utf-8")  # 读取 CSV
df.to_excel("students.xlsx", index=False)  # 导出为 Excel（index=False 不保留行索引）# 2. Excel 转 CSV
df = pd.read_excel("students.xlsx")  # 读取 Excel
df.to_csv("students_from_excel.csv", index=False, encoding="utf-8")  # 导出为 CSVprint("格式转换完成")

六、常见问题与避坑指南

  1. 中文乱码问题

    • 读写时显式指定 encoding="utf-8"（推荐），若文件是 GBK 编码，需用 encoding="gbk"；
    • 避免用记事本直接编辑 CSV（可能默认 ANSI 编码），推荐用 VS Code、Excel 等工具。

  2. 空行问题

    • 写入 CSV 时，open() 函数需指定 newline=""，否则 Windows 系统会自动添加空行。

  3. 数据类型转换

    • CSV 读取的所有字段默认是字符串（str），数值型数据需手动转换为 int 或 float。

  4. 特殊分隔符

    • 若 CSV 用制表符（\t）分隔（TSV），可指定 delimiter="\t"：
      reader = csv.reader(f, delimiter="\t")  # 读取 TSV 文件

  5. 大文件处理

    • 处理 GB 级 CSV 时，避免用 list(reader) 一次性加载，应逐行迭代：
      with open("large.csv", "r") as f:reader = csv.reader(f)for row in reader:  # 逐行处理，节省内存process(row)

七、总结

  • 一维数据：线性结构，用列表表示，适合存储序列型数据（如名单、数值列表）；
  • 二维数据：表格结构，用列表的列表表示，适合存储带行和列的结构化数据（如学生表）；
  • CSV 操作：
    • 写入：用 csv.writer（列表）或 csv.DictWriter（字典），注意 newline="" 和编码；
    • 读取：用 csv.reader（返回列表）或 csv.DictReader（返回字典，按表头访问）；
    • 特殊处理：csv 模块自动处理含逗号、换行符的字段，数值需手动转换类型。

掌握这些内容后，可轻松应对数据导入导出、格式转换、简单数据分析等常见任务，为更复杂的数据处理（如用 pandas 分析）打下基础。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/news/966538.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

银行核心账户体系、账务设计、会计核心（整合版）

银行核心账户体系、账务设计、会计核心（整合版）

开头先和读过的朋友道个歉，因为某些原因（​先不说​），文章需要重新发一遍，同时新发的内容有大幅增加，请仔细阅读不要遗漏。结合以前发过很多相关知识，今天将科目、账户、账务、会计串起来讲一讲，让整个知识体系…
阅读更多...
斐波那契数列相关恒等式

斐波那契数列相关恒等式

前置规定 \(F_0=0,F_1=1,F_i=F_{i-1}+F_{i-2}\) 公式部分\(\sum_{i=1}^n F_i=F_{n+2}-1\) \(\sum_{i=1}^n F_{2i-1}=F_{2n}\) \(\sum_{i=1}^n F_{2i}=F_{2n+1}-1\) \(\sum_{i=1}^n F_i^2=F_nF_{n+1}\)
阅读更多...
Python 文件操作全面详解：从基础到进阶（附丰富实例）

Python 文件操作全面详解：从基础到进阶（附丰富实例）

Python 文件操作全面详解：从基础到进阶（附丰富实例） 文件操作是 Python 编程中最核心的技能之一，涵盖文件的创建、读写、关闭、删除、属性修改等场景。本文将系统梳理 Python 文件操作的核心概念、基础 API、进阶技…
阅读更多...
银行中外汇的由来（金融产品经理必读）

银行中外汇的由来（金融产品经理必读）

经常听到我们国家有多少多少亿美元的外汇储备，是否有这样的疑问，外汇储备是什么，它又是怎么来的，银行又是如何处理外汇储备的，今天就闲聊一下。 外汇管理 常见概念 现汇： 通俗来讲，就是在银行账户里可以自由买卖…
阅读更多...
AI元人文框架：意义世界的探索引擎

AI元人文框架：意义世界的探索引擎

AI元人文框架：意义世界的探索引擎基础层：价值原语 •定义：将复杂人类现象分解为基本价值单元（如【公平】【忠诚】【卓越】） •作用：构建意义世界的"化学元素周期表"，实现价值的解析与重组环境层：多维…
阅读更多...
abc432

abc432

AC 3 (ABF), Score 750, Penalty 47:35, Rank , Ranting .攒 rp。CCPC 济南站 rp++。 C 这是什么！怎么这么困难！思考 20min 无果于是跳了。 看榜，怎么这么抽象，C<E<FG<D 是什么东西（ 开 E，发现直接线段…
阅读更多...
20232310 2025-2026-1 《网络与系统攻防技术》实验五实验报告

20232310 2025-2026-1 《网络与系统攻防技术》实验五实验报告

1.实验内容 1.1域名与IP信息搜集分析；1.2社交网络IP地址获取与地理位置定位；1.3靶机环境扫描探测、漏洞评估与攻击路径分析；1.4搜索个人网上足迹与高级搜索技能实践。2.实验目的 学习使用搜索引擎、扫描引擎、扫描工…
阅读更多...
实用指南：开源 Linux 服务器与中间件（七）数据库--MySQL

实用指南：开源 Linux 服务器与中间件（七）数据库--MySQL

实用指南：开源 Linux 服务器与中间件（七）数据库--MySQL2025-11-15 22:15 tlnshuju 阅读(0) 评论(0) 收藏 举报pre { white-space: pre !important; word-wrap: normal !important; overflow-x: auto !important…
阅读更多...
版本控制与GitLab完整实践指南 - 指南

版本控制与GitLab完整实践指南 - 指南

pre { white-space: pre !important; word-wrap: normal !important; overflow-x: auto !important; display: block !important; font-family: "Consolas", "Monaco", "Courier New", …
阅读更多...
利用Myo臂环采集肌电信号和角速度来建立实时手势识别

利用Myo臂环采集肌电信号和角速度来建立实时手势识别

利用Myo臂环采集肌电信号和角速度来建立实时手势识别pre { white-space: pre !important; word-wrap: normal !important; overflow-x: auto !important; display: block !important; font-family: "Consolas&quo…
阅读更多...
[MySQL] 基础操控

[MySQL] 基础操控

[MySQL] 基础操控2025-11-15 21:55 tlnshuju 阅读(0) 评论(0) 收藏 举报pre { white-space: pre !important; word-wrap: normal !important; overflow-x: auto !important; display: block !important; font-fami…
阅读更多...
公告栏

公告栏

rt公告 关于密码 可能会有些东西较消极或观点较偏激，所以设个象征性密码。 象征性密码：mn 如果不是可以私信问我，只要我对你印象不差一般都能给（除了个别文章）。 关于玩笑 感觉好像有时我的玩笑话对方也会当真，是…
阅读更多...
做题笔记25

做题笔记25

11.16
阅读更多...
云服务器部署Python后端偶遇`ImportError`: 从依赖版本到Python升级的排错全攻略 - 实践

云服务器部署Python后端偶遇`ImportError`: 从依赖版本到Python升级的排错全攻略 - 实践

pre { white-space: pre !important; word-wrap: normal !important; overflow-x: auto !important; display: block !important; font-family: "Consolas", "Monaco", "Courier New", …
阅读更多...
AI元人文：悟空继续追问

AI元人文：悟空继续追问

AI元人文：悟空继续追问 —— 一个文明伙伴的诞生宣言 引言：从“工具”到“伙伴”的范式革命 当人工智能学会“追问”，文明的进程将被重新定义。我们正站在一个历史拐点：AI不再仅是执行命令的工具，而是正在成为能够…
阅读更多...
生物化学课程笔记

生物化学课程笔记

生物化学课程笔记这是我读生物化学老师的ppt写的笔记，你也可以看一看asdasdasd博客园原文链接：https://www.cnblogs.com/QiFande/p/19226362，转载请注明。如果你对本篇文章感兴趣，不如来看看肉丁土豆表的其他文章，…
阅读更多...
AI重塑地产数字化：数据驱动下的技能落地与效率革命

AI重塑地产数字化：数据驱动下的技能落地与效率革命

pre { white-space: pre !important; word-wrap: normal !important; overflow-x: auto !important; display: block !important; font-family: "Consolas", "Monaco", "Courier New", …
阅读更多...
关于梯形波叠加三角波的电磁波对宇宙射线的电磁感应的分析

关于梯形波叠加三角波的电磁波对宇宙射线的电磁感应的分析

关于梯形波叠加三角波的电磁波对宇宙射线的电磁感应的分析 我们首先绘制一个类似于方波的梯形波图形，这个图形的正电压和负电压都是梯形波，和方波很类似。然后将这个梯形波的正电压波形的上底边的线段换成三角波，将…
阅读更多...
PELT算法浅析

PELT算法浅析

前言 Linux是一个通用操作系统的内核，她的目标是星辰大海，上到网络服务器，下至嵌入式设备都能运行良好。做一款好的linux进程调度器是一项非常具有挑战性的任务，因为设计约束太多了： ---它必须是公平的 ---快速响…
阅读更多...
20251115 - Hash

20251115 - Hash

前言 为什么此次题单不叫字符串 hash 呢？ 应该搞点 [哈希表](P11615 【模板】哈希表 - 洛谷) 的！ 概念 哈希，就像是把一个很大的东西，映射到一个小盒子里，这个盒子就是哈希表。 字符串哈希，顾名思义，就是把很 l…
阅读更多...
最新文章

Copyright @ 2022~2023