典型的数据集stocks.csv：

一个股票的数据集，其实就是常见的表格数据。有股票代码，价格，日期，时间，价格变动和成交量。这个数据集其实就是一个表格数据，有自己的头部和身体。

第一招：简单的读取

我们先来看一种简单读取方法，先用csv.reader()函数读取文件的句柄f生成一个csv的句柄，其实就是一个迭代器，我们看一下这个reader的源码：

喂给reader一个可迭代对象或者是文件的object，然后返回一个可迭代对象。

• 首先读取csv 文件，然后用csv.reader生成一个csv迭代器f_csv
• 然后利用迭代器的特性，next(f_csv)获取csv文件的头，也就是表格数据的头
• 接着利用for循环，一行一行打印row的内容，也就是表格数据的身体
  

第二招：用nametuple

上面的第一招其实是最简单的，下面我们用nametuple 来包裹一下这个生成的row数据。

• nametuple其实是一个非常有用的类，这个类属于collections模块，而这个模块简直就是一个百宝箱里面有非常多的牛逼的库；
• 这里我们用next(f_csv)其实就是获取表格的头部来初始化这个Row；
• 然后循环来构造这个Row的数据，把我们表格里面的每一行的数据都喂成nametuple格式的row_info;
• 这样做的好处就是你可以随心所欲的访问这个row_info里面的数据，就想访问类数据一样，比如row_info.price

第三招：用tuple类型转换

如果我们对csv数据每一行的类型都非常清楚的话，嘿嘿可以用一个设定好的数据格式转换头来对数据进行转换。

操作的步骤其实跟上面差不多，就是对数据结果的清洗处理稍微不一样。这里非常巧妙的zip来构造一个嵌套的数据列表，然后用convert(data)把csv文件里面每一行的数据进行类型转换，这招真的不错！
看一下结果：

第四招：用DictReader

上面用的nametuple其实也是一个数据的映射，有没有什么方法可以直接把csv 的内容用映射的方法读取，直接出来一个字典，还真有的，来看一下代码：

是不是非常简捷，原来csv模块直接内置了DictReader()，按照字典的方法进行读取，然后生成一个有序的字典，看一下结果：

有兴趣的可以看一下这个DictReader()的源码，它其实一个内部构造的迭代器类，在内部的__next__其实也是用的OrderedDict(zip(self.fieldnames, row))来生成的。

第五招：用字典转换

如果我们需要对这个csv里面的数据进行清洗，因为读出来的时候都是字符串，我们需要更新为特定的数据类型，这个时候也可以用字典转换这一招，也是非常巧妙的，我们看一下源码：

原来的数据价格Price和成交量，我希望最后读取生成的是一个浮点型数据和整形的数据，这么搞呢，用一个字典来巧妙的更新key即可。

• 首先我们声明一个自定义的类型转换器field_types;
• 然后循环生成一个可迭代的对象(key,conversion(row[key]);
• 最后更新一下字典里面相同的key,比如row[‘price’]的内容就会被更新了

参考链接 ：

用Python读取CSV文件的5种方式https://mp.weixin.qq.com/s/cs4buSULva1FgCctp_fB6g

今天的文章用Python读取CSV文件的5种方式分享到此就结束了，感谢您的阅读。