從本文開始，本系列將介紹python簡單案例并進行代碼展示，本文的案例是利用pandas庫實現(xiàn)讀取csv文件并按照列的從小到大進行排序。

前言

CSV 是什么？

CSV 文件最開始可能有人會誤認為是 Excel 的一種文件格式，包括我還沒了解過 CSV 文件之前，也一直認為 CSV 格式的文件就是 Excel 保存后的另一種文件格式，下面就簡單介紹一下 CSV 到底是什么。

CSV （Comma-Separated Values） 是一種相對簡單、通用的文件格式，通常叫做逗號分隔值，也有人叫它字符分隔值，因為分隔字符不一定是逗號。其文件是以純文本的形式存儲表格數(shù)據(jù)，相當于一個結(jié)構(gòu)化表的純文本形式。

CSV 通常應用在程序之間轉(zhuǎn)移數(shù)據(jù)場景下使用，因為 CSV 存儲的格式通用且簡單，適合轉(zhuǎn)換為其它數(shù)據(jù)格式。比如將數(shù)據(jù)庫中的數(shù)據(jù)導出存儲為 CSV 文件，再將 CSV 數(shù)據(jù)文件導入到其它程序，這樣就輕松實現(xiàn)了程序與程序之間的數(shù)據(jù)交換。

再比如，使用 Python 寫爬蟲程序爬取某網(wǎng)站上的數(shù)據(jù)時，最開始，網(wǎng)站上的數(shù)據(jù)往往都是比較雜亂的，將爬取到的數(shù)據(jù)存儲到 CSV 文件中，可以很方便地查看數(shù)據(jù)、修改數(shù)據(jù)。

CSV 通常可以使用 Excel 打開查看，也可以使用 Wndows 記事本程序打開，你也可以使用如 Notepad++、 Sublime 等編輯器打開，閱讀到此，是不是覺得 CSV 非常靈活、實用了。

一、案例描述

scalars.csv是一個三列若干行的文件。第一列為Wall time，表示無用數(shù)據(jù)；第二列為Step，繪圖時用于橫軸；第三列為Value，繪圖時用于縱軸。
讀取scalars.csv第三列元素（Value）進行從小到大排序并繪制圖像。

二、代碼講解

首先導入相應的庫：

import pandas as pd
import matplotlib.pyplot as plt

read_csv用于讀取csv文件，header指定列標題，usecols指定讀取第二列和第三列（第二列作為橫，第三列作為縱）。

sort_values用于進行排序，by指定要排序的名稱；axis指定要排序的軸，默認為0即按行排序；ascending指定升序排列還是降序排列，默認為True表示升序，F(xiàn)alse指定降序排列即按照從大到小進行排序。

# 對scalars.csv第三列元素進行從大到小排序并繪制圖像
txt=pd.read_csv('scalars.csv',header=0,usecols=[1,2])
# 按Value排序，默認升序,ascending=False指定降序排列即按照從大到小進行排序
txt2=txt.sort_values(by=["Value"],ascending=False)

最后繪制排序前和排序后的圖像。

# 創(chuàng)建畫布
plt.figure(figsize=(10,6),dpi=100)
# 排序前的圖像
plt.plot(txt['Step'],txt['Value'])
# 顯示圖形
plt.show()
# 排序后的圖像
plt.plot(txt['Step'],txt2['Value'])
# 顯示圖形
plt.show()

三、完整代碼

完整代碼如下：

import pandas as pd
import matplotlib.pyplot as plt


# 對scalars.csv第三列元素進行從大到小排序并繪制圖像
txt=pd.read_csv('scalars.csv',header=0,usecols=[1,2])
# 按Value排序，默認升序,ascending=False指定降序排列即按照從大到小進行排序
txt2=txt.sort_values(by=["Value"],ascending=True)


# 創(chuàng)建畫布
plt.figure(figsize=(10,6),dpi=100)
# 排序前的圖像
plt.plot(txt['Step'],txt['Value'])
# 顯示圖形
plt.show()
# 排序后的圖像
plt.plot(txt['Step'],txt2['Value'])
# 顯示圖形
plt.show()

到此這篇關于Python實現(xiàn)讀取csv文件并進行排序的文章就介紹到這了,更多相關Python讀取csv文件內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！