بتل کد Battle Codeدارد باز می‌شود…

جلسه‌ی 23: CSV و داده‌ی جدولی CSV and Tabular Data

CSV رایج‌ترین قالب خروجی اکسل و پایگاه داده است؛ با ماژول csv آن را درست پارس می‌کنیم (کوتیشن و ویرگول داخل فیلد) و داده‌ی جدولی را تجمیع می‌کنیم.

در این جلسه یاد می‌گیری

درس

split(",") برای CSV کافی نیست: فیلدی مثل "Smith, John" خودش ویرگول دارد. ماژول csv قواعد کوتیشن را رعایت می‌کند. csv.reader هر سطر را به لیست رشته تبدیل می‌کند؛ ورودی‌اش هر iterable از خطوط است، مثل فایل یا io.StringIO.

import csv
import io

text = 'name,city\n"Smith, John",Berlin\n'
for row in csv.reader(io.StringIO(text)):
    print(row)

csv.DictReader سطر اول را سرستون می‌گیرد و هر سطر را دیکشنری می‌کند؛ کد خواناتر و مقاوم در برابر جابه‌جایی ستون‌هاست. توجه: همه‌ی مقادیر رشته هستند و تبدیل نوع با توست.

import csv
import io

data = io.StringIO("sku,qty\nA1,3\nB2,5\n")
total = sum(int(row["qty"]) for row in csv.DictReader(data))
print(total)  # 8

برای نوشتن، csv.writer(f).writerow([...]) یا writerows. فایل CSV را همیشه با newline="" باز کن تا در ویندوز خطوط خالی اضافه ایجاد نشود. csv.writer به‌طور پیش‌فرض انتهای خط را \r\n می‌نویسد؛ برای خروجی درون حافظه می‌توانی lineterminator="\n" بدهی.

import csv

with open("out.csv", "w", newline="", encoding="utf-8") as f:
    writer = csv.writer(f)
    writer.writerow(["name", "note"])
    writer.writerow(["ana", "likes, commas"])
with open("out.csv", encoding="utf-8") as f:
    print(f.read())

csv.DictWriter(f, fieldnames=[...]) دیکشنری می‌نویسد؛ اول writeheader() را صدا بزن. این جفتِ طبیعیِ DictReader است.

import csv
import io

buffer = io.StringIO()
writer = csv.DictWriter(buffer, fieldnames=["id", "status"], lineterminator="\n")
writer.writeheader()
writer.writerow({"id": 1, "status": "ok"})
print(buffer.getvalue())

الگوی رایج تحلیل: بخوان → سطرهای خراب را کنار بگذار و بشمار → مقادیر را تبدیل کن → با دیکشنری گروه‌بندی کن → گزارش مرتب بساز. همیشه گزارش کن چند سطر رد شده؛ داده‌ی گم‌شده‌ی بی‌صدا خطرناک است.

مثال‌های این جلسه

چالش‌ها

  1. Read Rows (آسان)
  2. Dict Rows (آسان)
  3. Write CSV (آسان)
  4. Quoted Fields (متوسط)
  5. Sales by Region (متوسط)
  6. DictWriter Round-Trip (متوسط)
  7. Filter by Threshold (متوسط)
  8. Average per Student (سخت)
  9. CSV to JSON (سخت)
  10. Clean the Data (سخت)
  11. Join Two Tables (سخت)
  12. Top Earner per Department (متوسط)

بیشتر بخوان

← جلسه‌ی 22: قالب داده‌ی JSON جلسه‌ی 24: پروژه: مدیر وظایف با ذخیره در JSON →