第2章 CSV文件

CSV（comma-separated value，逗号分隔值）文件格式是一种非常简单的数据存储与分享方式。CSV文件将数据表格存储为纯文本，表格（或电子表格）中的每个单元格都是一个数值或字符串。与Excel文件相比，CSV文件的一个主要优点是有很多程序可以存储、转换和处理纯文本文件；相比之下，能够处理Excel文件的程序却不多。所有电子表格程序、文字处理程序或简单的文本编辑器都可以处理纯文本文件，但不是所有的程序都能处理Excel文件。尽管Excel是一个功能非常强大的工具，但是当你使用Excel文件时，还是会被局限在Excel提供的功能范围内。CSV文件则为你提供了非常大的自由，使你在完成任务的时候可以选择合适的工具来处理数据——如果没有现成的工具，那就使用Python自己开发一个！

当你使用CSV文件时，确实会失去某些Excel功能：在Excel电子表格中，每个单元格都有一个定义好的“类型”（数值、文本、货币、日期等），CSV文件中的单元格则只是原始数据。幸好，Python在识别不同数据类型方面相当聪明，第1章中已经展示了这一点。使用CSV文件的另一个问题是它只能保存数据，不能保存公式。但是，通过将数据存储（CSV文件）和数据处理（Python脚本）分离，你可以很容易地在不同数据集上进行加工处理。当数据存储和数据处理过程分开进行时，错误（不管是数据处理中的错误，还是数据存储中的错误）不但更容易被发现，而且更难扩散。

要使用CSV文件开始工作，需要先创建一个CSV文件，你可以从以下地址（https://github.com/cbrownley/foundations-for-analytics-with-python/blob/master/csv/supplier_data.csv）下载这个文件，步骤如下。

(1)打开一个新的电子表格，向其中加入数据，如图2-1所示。

图2-1：向supplier_data.csv文件中添加数据

(2)将文件保存在桌面上，文件名为supplier_data.csv。

要确认supplier_data.csv确实是纯文本文件。

(1)将所有打开的窗口最小化，在桌面上找到supplier_data.csv。

(2)在文件上点击鼠标右键。

(3)选择“Open with”，然后选择一个文本编辑器，如Notepad、Notepad++或Sublime Text。

当你在文本编辑器中打开这个文件时，它看上去应该如图2-2所示。

图2-2：Notepad中的supplier_data.csv文件

正如你所看到的，这个文件是一个简单的纯文本文件。每行包含5个由逗号分隔的值。对这种文件的另一种理解是由逗号划定了Excel电子表格中的5列。现在你可以关闭这个文件了。