Python中按行列索引访问CSV文件数据的教程

# 创建一个示例CSV文件 (如果文件不存在，请运行此段代码)
import csv
import os

filepath = 'sample.csv'
if not os.path.exists(filepath):
    with open(filepath, 'w', newline='') as f:
        writer = csv.writer(f)
        for i in range(10): # 10行
            writer.writerow([f"{j + i * 0.1:.2f}" for j in range(10)]) # 10列，浮点数

print(f"'{filepath}' 已创建或已存在。")

import csv

def access_csv_with_builtin(filepath, target_row, target_col):
    """
    使用csv模块读取CSV文件，并按行、列索引访问数据。

    Args:
        filepath (str): CSV文件路径。
        target_row (int): 目标行索引（从0开始）。
        target_col (int): 目标列索引（从0开始）。
    """
    data_matrix = [] # 用于存储所有数据的列表的列表

    try:
        with open(filepath, 'r', newline='', encoding='utf-8') as csvfile:
            reader = csv.reader(csvfile)
            for r_idx, row in enumerate(reader):
                # 将每行数据从字符串转换为浮点数
                # 注意：如果数据类型不确定，需要更健壮的错误处理
                try:
                    processed_row = [float(val) for val in row]
                    data_matrix.append(processed_row)
                except ValueError as e:
                    print(f"Warning: Skipping row {r_idx} due to data conversion error: {e}")
                    continue

        # 1. 访问特定索引的值
        if 0 <= target_row < len(data_matrix) and 0 <= target_col < len(data_matrix[0]):
            value = data_matrix[target_row][target_col]
            print(f"\n使用csv模块: 在 ({target_row}, {target_col}) 处的值为: {value}")
        else:
            print(f"\n使用csv模块: 指定的索引 ({target_row}, {target_col}) 超出数据范围。")

        # 2. 遍历所有值并进行处理（例如，比较和排序）
        print("\n使用csv模块: 遍历所有值并执行条件判断:")
        processed_values = []
        for r_idx, row_data in enumerate(data_matrix):
            for c_idx, cell_value in enumerate(row_data):
                # 示例：将值与某个阈值进行比较
                if cell_value > 5.0:
                    print(f"  值 {cell_value:.2f} 在 ({r_idx}, {c_idx}) 处，大于 5.0")
                processed_values.append((cell_value, r_idx, c_idx))

        # 示例：对所有值进行排序（按值大小）
        # sorted_values = sorted(processed_values, key=lambda x: x[0])
        # print("\n前5个最小的值 (值, 行, 列):", sorted_values[:5])

    except FileNotFoundError:
        print(f"错误: 文件 '{filepath}' 未找到。")
    except Exception as e:
        print(f"发生未知错误: {e}")

# 调用函数
access_csv_with_builtin(filepath, 5, 5) # 访问第6行第6列的值 (索引从0开始)

import pandas as pd
import numpy as np # 用于创建示例数据

# 创建一个示例CSV文件 (如果文件不存在，请运行此段代码)
filepath_pandas = 'sample_pandas.csv'
if not os.path.exists(filepath_pandas):
    # 使用numpy创建随机浮点数数据
    data = np.random.rand(10, 10) * 100 # 10x10的随机浮点数矩阵
    df_temp = pd.DataFrame(data)
    df_temp.to_csv(filepath_pandas, index=False, header=False) # 不写入行索引和列头

print(f"'{filepath_pandas}' 已创建或已存在。")

def access_csv_with_pandas(filepath, target_row, target_col):
    """
    使用Pandas库读取CSV文件，并按行、列索引访问数据。

    Args:
        filepath (str): CSV文件路径。
        target_row (int): 目标行索引（从0开始）。
        target_col (int): 目标列索引（从0开始）。
    """
    try:
        # 读取CSV文件到DataFrame，header=None表示CSV没有表头
        df = pd.read_csv(filepath, header=None)

        # 1. 访问特定索引的值
        # .iloc[row_index, col_index]
        if 0 <= target_row < df.shape[0] and 0 <= target_col < df.shape[1]:
            value = df.iloc[target_row, target_col]
            print(f"\n使用Pandas: 在 ({target_row}, {target_col}) 处的值为: {value:.2f}")
        else:
            print(f"\n使用Pandas: 指定的索引 ({target_row}, {target_col}) 超出数据范围。")

        # 2. 遍历所有值并进行处理 (Pandas通常推荐使用向量化操作)
        print("\n使用Pandas: 遍历所有值并执行条件判断 (不推荐直接遍历，但作为演示):")
        # 尽管Pandas提供了迭代方法，但通常推荐使用向量化操作以提高性能
        for r_idx in range(df.shape[0]):
            for c_idx in range(df.shape[1]):
                cell_value = df.iloc[r_idx, c_idx]
                if cell_value > 50.0:
                    print(f"  值 {cell_value:.2f} 在 ({r_idx}, {c_idx}) 处，大于 50.0")

        # 3. Pandas更推荐的向量化操作示例 (更高效)
        print("\n使用Pandas: 向量化操作示例 (查找所有大于50的值):")
        filtered_df = df[df > 50.0] # 返回一个相同形状的DataFrame，不满足条件的位置为NaN
        # 使用stack()将DataFrame转换为Series，并去除NaN值，方便查看
        filtered_series = filtered_df.stack()
        if not filtered_series.empty:
            print(filtered_series)
        else:
            print("没有找到大于50的值。")

        # 示例：对整个DataFrame进行排序 (例如，按第一列排序)
        # sorted_df = df.sort_values(by=0, ascending=True) # 假设第0列是关键列
        # print("\n按第一列排序后的DataFrame前5行:")
        # print(sorted_df.head())

    except FileNotFoundError:
        print(f"错误: 文件 '{filepath}' 未找到。")
    except Exception as e:
        print(f"发生未知错误: {e}")

# 调用函数
access_csv_with_pandas(filepath_pandas, 5, 5) # 访问第6行第6列的值