python处理完CSV数据后重新写入新CSV文件，为啥新文件用记事本打开没有双引号?该怎么解决？谢谢

Posted 2023-04-23

处理前如图1，处理后如图2，py程序如下：#-*-encoding:utf-8-*-import csvimport osfile_old = './old.csv'file_temp = './源OLT_网管_ONU VLAN统计.csv'with open(file_old, 'r', newline='', encoding='gbk') as f_old, \ open(file_temp, 'w', newline='', encoding='gbk') as f_temp: f_csv_old = csv.reader(f_old) f_csv_temp = csv.writer(f_temp) for i, rows in enumerate(f_csv_old): # 保留header if i == 0: f_csv_temp.writerow(rows) break for rows in f_csv_old: if rows[15] != 'PON': # 删除包含PON的行 f_csv_temp.writerow(rows)os.remove(file_old)os.rename(file_temp, file_old)

因为这里面的引号是将不同单元格字符串分割用的，而那个英文逗号是分割字符串的，只在当前状态下可见。不过，正常情况下不用出现双引号吧，你在py里面二次处理一下数据，去掉这个引号。追问

您好，我想我处理过的数据保持原来的格式，就是用记事本打开仍显示双引号，您知道怎么修改代码不，感谢。因为处理过的CSV文件还要被另一个exe文件处理，有引号就不会报错，我处理过的这个会报错。感谢

参考技术A csv并不强制要求引号啊。除非你的单元格的值含有分隔符

Python读csv文件去掉一列后再写入新的文件

用了两种方式解决该问题，都是网上现有的解决方案。

场景说明：

有一个数据文件，以文本方式保存，现在有三列user_id,plan_id,mobile_id。目标是得到新文件只有mobile_id,plan_id。

解决方案

方案一：用python的打开文件写文件的方式直接撸一遍数据，for循环内处理数据并写入到新文件。

代码如下：

def readwrite1( input_file,output_file):
    f = open(input_file, ‘r‘)
    out = open(output_file,‘w‘)
    print (f)
    for line in f.readlines():
        a = line.split(",")
        x=a[0] + "," + a[1]+"\n"
        out.writelines(x)
    f.close()
    out.close()

方案二：用 pandas 读数据到 DataFrame 再做数据分割，直接用 DataFrame 的写入功能写到新文件

代码如下：

def readwrite2(input_file,output_file):
    date_1=pd.read_csv(input_file,header=0,sep=‘,‘)
    date_1[[‘mobile‘, ‘plan_id‘]].to_csv(output_file, sep=‘,‘, header=True,index=False)

 

从代码上看，pandas逻辑更清晰。

 

下面看下执行的效率吧！

def getRunTimes( fun ,input_file,output_file):
    begin_time=int(round(time.time() * 1000))
    fun(input_file,output_file)
    end_time=int(round(time.time() * 1000))
    print("读写运行时间：",(end_time-begin_time),"ms")

getRunTimes(readwrite1,input_file,output_file)  #直接撸数据
getRunTimes(readwrite2,input_file,output_file1) #使用dataframe读写数据

读写运行时间： 976 ms
读写运行时间： 777 ms

input_file 大概有27万的数据，dataframe的效率比for循环效率还是要快一点的，如果数据量更大些，效果是否更明显呢？

下面试下增加input_file记录的数量试试，有如下结果

input_file	readwrite1	readwrite2
27W	976	777
55W	1989	1509
110W	4312	3158

 

 

 

 

 

 

从上面测试结果来看,dataframe的效率提高大约30%左右。