PythonCSV写入全攻略
想知道如何高效地使用 Python 写入 CSV 文件吗?本文将详细介绍 Python `csv` 模块的多种写入方法,助你轻松处理表格数据。首先,`csv.writer` 适用于列表数据,通过 `writerows` 逐行写入,并注意使用 `newline=''` 避免空行。对于字典数据,`DictWriter` 更加直观,需要预先定义 `fieldnames` 并调用 `writeheader()` 生成表头。此外,文件模式 `'a'` 支持追加写入,非常适合日志记录等场景。最后,针对中文写入,推荐使用 `utf-8-sig` 编码,确保 Excel 能够正确显示中文内容。掌握这些技巧,你就能得心应手地进行 Python CSV 文件写入操作。
使用csv模块可高效写入CSV文件。1. csv.writer适用于列表数据,逐行写入需配合newline=''避免空行;2. DictWriter处理字典数据更直观,需定义fieldnames并调用writeheader()生成表头;3. 文件模式'a'支持追加写入,适合日志场景;4. 中文写入推荐utf-8-sig编码确保Excel正常显示。

Python 中写入 CSV 文件有多种方式,最常用的是使用内置的 csv 模块。它操作简单、兼容性好,适合处理表格型数据。下面介绍几种常见的写入方法,帮助你快速上手。
1. 使用 csv.writer 写入普通数据
当你有一组列表形式的数据时,可以用 csv.writer 将其逐行写入文件。
- import csv
- data = [
- ['Name', 'Age', 'City'],
- ['Alice', 25, 'Beijing'],
- ['Bob', 30, 'Shanghai']
- ]
- with open('output.csv', 'w', newline='', encoding='utf-8') as f:
- writer = csv.writer(f)
- writer.writerows(data)
注意:打开文件时要加上 newline='',否则在 Windows 上可能产生空行。
2. 使用 DictWriter 写入字典数据
如果你的数据是字典格式,用 csv.DictWriter 更直观,字段名自动对应列。
- import csv
- users = [
- {'Name': 'Alice', 'Age': 25, 'City': 'Beijing'},
- {'Name': 'Bob', 'Age': 30, 'City': 'Shanghai'}
- ]
- fieldnames = ['Name', 'Age', 'City']
- with open('users.csv', 'w', newline='', encoding='utf-8') as f:
- writer = csv.DictWriter(f, fieldnames=fieldnames)
- writer.writeheader() # 写入表头
- writer.writerows(users)
DictWriter 需要提前定义 fieldnames,调用 writeheader() 可自动写入列名。
3. 追加模式写入数据
如果不想覆盖原文件,而是追加新数据,可以把文件打开模式改为 'a'。
- with open('output.csv', 'a', newline='', encoding='utf-8') as f:
- writer = csv.writer(f)
- writer.writerow(['Charlie', 28, 'Guangzhou'])
适用于日志记录或持续收集数据的场景。
4. 处理中文和编码问题
写入包含中文的 CSV 文件时,建议使用 UTF-8 编码,避免乱码。Excel 打开时可能需要保存为 UTF-8 with BOM 格式才正常显示。
- with open('chinese.csv', 'w', newline='', encoding='utf-8-sig') as f:
- writer = csv.writer(f)
- writer.writerow(['姓名', '城市'])
- writer.writerow(['张三', '杭州'])
utf-8-sig 会在文件开头添加 BOM,帮助 Excel 正确识别编码。
基本上就这些。根据数据结构选择合适的方法,注意文件模式和编码设置,就能顺利写入 CSV 文件。
理论要掌握,实操不能落!以上关于《PythonCSV写入全攻略》的详细介绍,大家都掌握了吧!如果想要继续提升自己的能力,那么就来关注golang学习网公众号吧!
Windows10关闭Hyper-V方法详解
- 上一篇
- Windows10关闭Hyper-V方法详解
- 下一篇
- 喵呜漫画2025官网及新版下载地址
-
- 文章 · python教程 | 1天前 |
- Python logging lastResort 怎样处理没有配置 handler 的日志
- 289浏览 收藏
-
- 文章 · python教程 | 1天前 | 并发编程 · Python教程 · Python logging 后台线程 logging.handlers.QueueListener 日志关闭
- Python logging.handlers.QueueListener 怎样优雅停止后台日志线程
- 143浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python tomllib 怎样读取二进制 TOML
- 114浏览 收藏
-
- 文章 · python教程 | 1天前 | 文件处理 · Python教程 · Python 目录复制 shutil.copytree dirs_exist_ok 文件覆盖
- Python shutil.copytree 怎样合并已有目标目录
- 165浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python pathlib 复制文件时怎样控制符号链接
- 478浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python inspect.signature 怎样读取装饰器保留的参数
- 298浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python configparser 怎样转义值里的百分号
- 393浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python asyncio.PriorityQueue 怎样保持相同优先级的稳定顺序
- 306浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python asyncio.Runner 怎样复用同一个事件循环运行多个入口
- 204浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python TaskGroup 怎样处理嵌套任务组异常
- 319浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 489次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 547次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 572次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 526次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 339次使用
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览
-
- TensorFlow模型部署为API的TF Serving方法
- 2026-05-26 501浏览
-
- Python字符串编码转换:encode与decode详解
- 2026-05-16 501浏览
-
- TensorFlow裁剪无用算子方法详解
- 2026-05-15 501浏览
