💡 Ce tutoriel est traduit par l'IA à partir de la version anglaise. Pour voir la version originale, vous pouvez cliquer ici
La polyvalence de Python s'étend à la gestion de divers formats de données, y compris le format CSV (Comma-Separated Values - Valeurs séparées par des virgules), très utilisé. Dans ce tutoriel, vous apprendrez à extraire des données à partir de fichiers CSV et à les convertir en dictionnaires Python, vous permettant ainsi de travailler avec des données structurées dans vos projets Python.
Le format CSV (Comma-Separated Values - Valeurs séparées par des virgules) est un format de fichier populaire utilisé pour stocker et échanger des données tabulaires. En Python, le module intégré csv offre un moyen pratique de travailler avec les données CSV. Cette section explorera les bases de la compréhension des données CSV en Python.
Le format CSV est un format de fichier simple et largement utilisé qui représente des données tabulaires au format texte brut. Chaque ligne dans le fichier CSV représente un enregistrement, et les valeurs au sein de chaque ligne sont séparées par un délimiteur, généralement une virgule (,). Les fichiers CSV peuvent être facilement ouverts et édités à l'aide de logiciels de tableur tels que Microsoft Excel ou Google Sheets.
Le module csv en Python fournit un ensemble de fonctions et de classes pour lire et écrire des données CSV. Les deux principales fonctions sont csv.reader() et csv.writer(), qui vous permettent respectivement de lire et d'écrire des données CSV.
import csv
## Reading a CSV file
with open('data.csv', 'r') as file:
reader = csv.reader(file)
for row in reader:
print(row)
## Writing to a CSV file
data = [['Name', 'Age', 'City'], ['John', '25', 'New York'], ['Jane', '30', 'London']]
with open('output.csv', 'w', newline='') as file:
writer = csv.writer(file)
writer.writerows(data)Un fichier CSV est généralement composé de lignes et de colonnes. Chaque ligne représente un enregistrement, et chaque colonne représente un champ de données spécifique. La première ligne d'un fichier CSV contient souvent les en-têtes de colonne, qui décrivent les données de chaque colonne.
Le module csv en Python offre plusieurs options pour travailler avec les données CSV, notamment :
csv.reader() pour lire les données ligne par lignecsv.writer() pour écrire des données dans un fichier CSVEn comprenant ces concepts de base, vous serez bien en route pour travailler efficacement avec les données CSV dans vos projets Python.
Convertir des données CSV en dictionnaires Python est une tâche courante, car les dictionnaires offrent un moyen flexible et efficace de travailler avec des données structurées. Cette section explorera le processus d'extraction de données à partir de fichiers CSV et de leur stockage dans des dictionnaires.
Pour convertir des données CSV en dictionnaires, vous pouvez utiliser la classe csv.DictReader fournie par le module csv. Cette classe lit le fichier CSV et renvoie un itérateur qui produit un dictionnaire pour chaque ligne, où les clés sont les en-têtes de colonne et les valeurs sont les données correspondantes.
import csv
## Sample CSV data
with open('data.csv', 'r') as file:
reader = csv.DictReader(file)
for row in reader:
print(row)La sortie du code ci-dessus sera une série de dictionnaires, où chaque dictionnaire représente une ligne du fichier CSV.
{'Name': 'John', 'Age': '25', 'City': 'New York'}
{'Name': 'Jane', 'Age': '30', 'City': 'London'}La classe csv.DictReader suppose que la première ligne du fichier CSV contient les en-têtes de colonne. Si ce n'est pas le cas, vous pouvez spécifier manuellement les noms de champ lors de la création de l'objet DictReader.
import csv
## CSV file with no header row
with open('data.csv', 'r') as file:
reader = csv.DictReader(file, fieldnames=['Name', 'Age', 'City'])
for row in reader:
print(row)Cela produira la même sortie que l'exemple précédent, mais sans dépendre de la première ligne du fichier CSV pour contenir les en-têtes de colonne.
Une fois que vous avez converti les données CSV en dictionnaires, vous pouvez facilement accéder aux valeurs de chaque colonne en utilisant les clés correspondantes.
import csv
with open('data.csv', 'r') as file:
reader = csv.DictReader(file)
for row in reader:
name = row['Name']
age = row['Age']
city = row['City']
print(f"Name: {name}, Age: {age}, City: {city}")Cela affichera les valeurs individuelles de chaque ligne du fichier CSV.
En comprenant comment convertir des données CSV en dictionnaires, vous pouvez exploiter pleinement les structures de données de Python et effectuer des opérations plus avancées sur vos données CSV.
La conversion de données CSV en dictionnaires ouvre un large éventail d'applications pratiques en programmation Python. Cette section explorera certains cas d'utilisation courants et montrera comment exploiter cette technique.
L'une des principales utilisations de la conversion de données CSV en dictionnaires est l'analyse et la manipulation de données. Les dictionnaires vous permettent d'accéder facilement aux données et de les manipuler, vous permettant d'effectuer des tâches telles que :
import csv
## Convert CSV data to a list of dictionaries
with open('sales_data.csv', 'r') as file:
reader = csv.DictReader(file)
sales_data = list(reader)
## Filter data based on a condition
filtered_data = [row for row in sales_data if row['Region'] == 'North']
## Calculate the total sales
total_sales = sum(float(row['Sales']) for row in sales_data)
## Print the results
print(f"Filtered data: {filtered_data}")
print(f"Total sales: {total_sales}")Les dictionnaires peuvent également être utiles pour valider et nettoyer les données CSV. En convertissant les données au format dictionnaire, vous pouvez facilement vérifier les valeurs manquantes, les incohérences ou autres problèmes de qualité des données, puis appliquer les transformations nécessaires pour nettoyer et standardiser les données.
import csv
with open('employee_data.csv', 'r') as file:
reader = csv.DictReader(file)
employee_data = list(reader)
## Check for missing values
for row in employee_data:
if '' in row.values():
print(f"Missing value in row: {row}")
## Replace missing values with a default value
for row in employee_data:
for key, value in row.items():
if value == '':
row[key] = 'N/A'Lorsque vous travaillez avec des données CSV, vous devrez peut-être les intégrer avec d'autres sources de données, telles que des bases de données, des API ou d'autres formats de fichiers. En convertissant les données CSV en dictionnaires, vous pouvez facilement les combiner avec des données provenant de ces autres sources, permettant des flux de traitement de données plus complets et puissants.
import csv
import sqlite3
## Convert CSV data to a list of dictionaries
with open('customer_data.csv', 'r') as file:
reader = csv.DictReader(file)
customer_data = list(reader)
## Connect to a SQLite database
conn = sqlite3.connect('database.db')
cursor = conn.cursor()
## Insert the customer data into the database
for row in customer_data:
cursor.execute("INSERT INTO customers (name, email, phone) VALUES (?,?,?)", (row['Name'], row['Email'], row['Phone']))
conn.commit()
conn.close()En comprenant ces applications pratiques, vous pouvez exploiter le potentiel de la conversion de données CSV en dictionnaires dans un large éventail de projets et de flux de travail basés sur Python.
À la fin de ce tutoriel, vous aurez une bonne compréhension de la manière de travailler avec des données CSV en Python et de les convertir en dictionnaires, une structure de données puissante qui peut simplifier vos tâches de traitement de données. Cette connaissance vous permettra de créer des applications Python plus efficaces et performantes capables d'intégrer et de manipuler sans effort des données CSV.
